Hive分组统计组内最高频值时SQL解析报错如何解决

这个解析错误和Only_full_group_by没有任何关系，该参数是MySQL的特有配置，Hive 0.14.0不存在这个运行时参数，相关修改操作完全无效。报错完全来自SQL本身的三处语法问题：

• 括号不匹配：内层子查询结束位置多写了1个多余的右括号，导致语法解析提前终止
• 子查询缺少别名：Hive语法要求FROM关键字后跟随的所有内联子查询必须显式指定别名，原SQL的两层嵌套子查询都没有设置别名，解析器无法识别子查询来源
• 计算字段缺少别名：内层聚合逻辑中hour(tpep_pickup_datetime)没有设置字段别名，外层查询无法直接识别hour字段

以下代码可以直接运行，返回结果和你预期的5条记录逻辑一致：

SELECT
    pulocationid,
    hour,
    cnt
FROM (
    SELECT
        pulocationid,
        hour,
        cnt,
        ROW_NUMBER() OVER (PARTITION BY pulocationid ORDER BY cnt DESC) AS row_no
    FROM (
        SELECT
            pulocationid,
            hour(tpep_pickup_datetime) AS hour,
            COUNT(*) AS cnt
        FROM yellowtaxi22
        GROUP BY pulocationid, hour(tpep_pickup_datetime)
    ) t_agg
) t_window
WHERE row_no = 1;

• 上述SQL遇到同一pulocationid下多个小时接驾次数并列第一的场景时，会返回排序后的第一条结果。如果需要把并列第一的所有小时全部返回，把窗口函数ROW_NUMBER()替换为RANK()即可
• Hive 0.14版本原生支持上述用到的窗口函数，不需要额外修改任何配置参数，只要表名、字段名和实际业务表一致即可正常执行

内容的提问来源于stack exchange，提问作者Freshguy12