Hive中使用row_number()单独查询时RNK字段报错问题求助

嘿，我完全懂你踩的这个SQL坑！咱们先把报错原因掰扯明白：

SQL的执行顺序是有严格先后的——WHERE子句会在SELECT子句之前执行。你写的WHERE RNK=1里的RNK，是SELECT里刚定义的计算列，这时候数据库还没算出RNK的值呢，自然会提示它不是有效列。

至于你左连接时能正常运行，是因为那时候RNK是在table2的子查询/CTE里提前生成好的，外层筛选时RNK已经是存在的字段了，和单独查询的逻辑完全不同。

给你两种靠谱的解决方案：

方案1：用子查询包裹 #

把带ROW_NUMBER()的查询作为子查询，在外层筛选RNK=1：

SELECT ID, NAME, NRIC, RNK
FROM (
    SELECT ID, NAME, NRIC, ROW_NUMBER() OVER (PARTITION BY ID ORDER BY ID) as RNK 
    FROM TABLE1
) AS ranked_data
WHERE ranked_data.RNK = 1;

方案2：用CTE（公共表表达式），可读性更强 #

如果你的数据库支持CTE（比如MySQL 8+、PostgreSQL、SQL Server等），这种写法更清晰易懂：

WITH ranked_data AS (
    SELECT ID, NAME, NRIC, ROW_NUMBER() OVER (PARTITION BY ID ORDER BY ID) as RNK 
    FROM TABLE1
)
SELECT ID, NAME, NRIC, RNK
FROM ranked_data
WHERE RNK = 1;

小提醒： #

你这里ORDER BY ID其实没啥实际作用，因为同一分组（PARTITION BY ID）里的ID都是相同的，排序不会改变顺序。建议换成你真正需要的排序字段，比如记录的创建时间CREATE_TIME，这样才能确保拿到每组里你想要的那条“第一条”数据哦！

内容的提问来源于stack exchange，提问作者user-DY