Hive 2.X如何获取列中最大的n个值？原greatest_n函数失效

哦，这个坑我踩过！Hive 2.X开始移除了旧版本（比如0.13）里非标准的greatest_n函数，所以直接调用会报语义错误。根据你的需求，我给你几种常用的替代方案，看哪种更贴合你的场景：

方案1：提取所有列值后取全局Top10 #

如果你的需求是把mycol1和mycol2所有行的数值合并起来，取最大的10个值，可以用stack函数将列转成行，再排序筛选：

USE mydb;
WITH unpivoted_data AS (
    -- 把mycol1、mycol2转成单行单值的格式
    SELECT stack(2, mycol1, mycol2) AS column_value
    FROM mytab
)
SELECT column_value
FROM unpivoted_data
ORDER BY column_value DESC
LIMIT 10;

• 原理：stack(2, col1, col2)会把每一行的两个列值拆成两行数据，这样所有列的数值就都在同一列里了，后续排序取前10即可。
• 如果需要处理更多列，只需要把stack的第一个参数改成列的数量，后面依次列上所有目标列就行（比如3列就写stack(3, col1, col2, col3)）。

方案2：保留原表关联信息的全局Top10 #

如果需要知道这些最大值来自原表的哪一行、哪一列，可以用LATERAL VIEW配合stack来保留额外信息：

USE mydb;
WITH unpivoted_data AS (
    SELECT 
        row_id, -- 假设原表有唯一标识行的字段，没有的话可以用monotonically_increasing_id()生成
        column_name,
        column_value
    FROM mytab
    -- 同时拆分列名和列值，方便溯源
    LATERAL VIEW stack(2, 'mycol1', mycol1, 'mycol2', mycol2) AS column_name, column_value
)
SELECT row_id, column_name, column_value
FROM unpivoted_data
ORDER BY column_value DESC
LIMIT 10;

方案3：每行内取多列的前N个最大值 #

如果你的原需求是对每一行，从mycol1和mycol2中取最大的若干值（两列最多只有2个值，这里举通用例子），可以用sort_array函数：

USE mydb;
SELECT 
    -- sort_array第二个参数为FALSE表示降序排列，取数组前N个元素就是前N大的值
    sort_array(array(mycol1, mycol2), FALSE)[0] AS top1_value,
    sort_array(array(mycol1, mycol2), FALSE)[1] AS top2_value
    -- 列数更多的话可以继续往后取，比如[2]是第三大的值
FROM mytab;

根据你的实际需求选对应的方案就行，亲测在Hive 2.X及以上版本都能正常运行~

内容的提问来源于stack exchange，提问作者AbtPst