Hive窗口函数unbounded preceding搭配current row与unbounded following的差异

代码示例 #

场景1：边界到当前行 #

from groceries
select id, revenue, day, sum(revenue)
over ( order by id rows between unbounded preceding and current row)

场景2：边界到全分区首尾 #

from groceries
select id, revenue, day, sum(revenue)
over ( order by id rows between unbounded preceding and unbounded following)

核心执行逻辑差异 #

两者的本质区别是窗口计算的生效范围不同：

• 场景1的rows between unbounded preceding and current row：窗口范围为当前分区的第一行数据到当前正在计算的行，每一行执行sum计算时，仅统计当前行及之前所有行的revenue值。语句中的order by id会先将数据集按id升序排序，再逐行执行累计计算。
• 场景2的rows between unbounded preceding and unbounded following：窗口范围覆盖当前分区的所有行，无论计算到哪一行，sum统计的都是整个分区内所有revenue的总和。这里的order by id仅会影响最终结果的排序，不会改变求和的统计范围。

如果over子句中额外添加了partition by分组字段，上述逻辑会在每个分组内部独立生效。

返回结果差异 #

我们用3行示例数据做对比：

• 场景1返回的是累计求和结果：三行对应的sum值分别为10、30、60，数值随id增大逐步递增，最后一行的sum值等于全表revenue总和。
• 场景2返回的是全分区求和结果：三行对应的sum值均为60，所有行的计算结果完全相同。

内容的提问来源于stack exchange，提问作者Shivangi