Hive技术咨询：如何获取表中出现频次最高的字段值

要实现按col1分组，找出每个分组里col2出现次数最多的记录，你可以通过两次聚合+窗口函数来完成，下面是具体的实现步骤和代码：

步骤1：统计每个分组内各值的出现次数 #

首先我们需要计算col1每个分组下，col2不同值的出现频次：

SELECT 
    col1,
    col2,
    COUNT(*) AS cnt
FROM your_table_name
GROUP BY col1, col2

这段SQL会得到每个(col1, col2)组合的计数结果，用你的示例数据会输出：

col1 col2       cnt
a    a_value1   2
a    a_value2   1
a    c_value3   1
b    b_value1   1

步骤2：用窗口函数筛选每个分组内频次最高的记录 #

接下来我们用ROW_NUMBER()窗口函数，按col1分组，然后按cnt降序排序，这样每个分组里频次最高的记录会排在第一位，最后筛选出排序为1的记录即可：

SELECT col1, col2
FROM (
    SELECT 
        col1,
        col2,
        ROW_NUMBER() OVER(PARTITION BY col1 ORDER BY cnt DESC) AS rn
    FROM (
        SELECT 
            col1,
            col2,
            COUNT(*) AS cnt
        FROM your_table_name
        GROUP BY col1, col2
    ) t1
) t2
WHERE rn = 1

额外说明 #

• 如果某个分组内有多个col2值出现次数相同且都是最高（比如col1=a里有两个值都出现2次），上面的ROW_NUMBER()会随机选一个。如果你想把所有并列最高的都保留，可以把ROW_NUMBER()换成RANK()或者DENSE_RANK()。
• 记得把SQL里的your_table_name替换成你实际的表名。

用你的示例数据测试这段SQL，就能得到预期的输出：

col1 col2
a    a_value1
b    b_value1

内容的提问来源于stack exchange，提问作者sande