如何在Athena中获取不确定分组的首个值并填充sessao字段

1 从不确定分组中获取首个值 #

Athena 基于 Presto 引擎，可通过ROW_NUMBER()窗口函数实现该需求，不管分组逻辑是固定字段还是动态序列边界都适用：

• 核心逻辑：给分组内的所有行按排序规则生成行号，过滤行号为1的记录即为分组首个值
• 示例代码：

SELECT * FROM (
  SELECT 
    *,
    -- 按实际需求调整PARTITION BY的分组字段、ORDER BY的排序规则
    ROW_NUMBER() OVER (PARTITION BY 分组字段 ORDER BY 排序字段 ASC) AS rn
  FROM 你的表名
) t
WHERE rn = 1

2 无需变量填充sessao会话字段 #

不需要依赖变量，通过窗口函数累加标记即可实现会话字段的生成，核心逻辑是先标记会话分割点，再对分割点累加得到会话ID，示例代码如下：

WITH step1 AS (
  -- 第一步：取当前用户上一条行为的时间
  SELECT 
    *,
    LAG(event_time) OVER (PARTITION BY user_id ORDER BY event_time) AS prev_event_time
  FROM 你的表名
),
step2 AS (
  -- 第二步：标记是否需要新开会话，示例规则为间隔超过30分钟新开会话，可按需调整
  SELECT 
    *,
    CASE 
      WHEN prev_event_time IS NULL OR date_diff('minute', prev_event_time, event_time) > 30 
      THEN 1 
      ELSE 0 
    END AS new_session_flag
  FROM step1
)
-- 第三步：对新开会话标记累加，得到连续的会话ID
SELECT 
  *,
  SUM(new_session_flag) OVER (PARTITION BY user_id ORDER BY event_time) AS sessao
FROM step2

如果你的会话分割逻辑不是用户+30分钟间隔，只需调整PARTITION BY的分组字段、date_diff的判断规则即可适配。

内容的提问来源于stack exchange，提问作者Patrick Amaral