2024.1.30 Spark SQL的高级用法

目录

1、如何快速生成多行的序列

2、如何快速生成表数据

3.开窗函数

排序函数

平分函数

聚合函数

向上向下窗口函数


1、如何快速生成多行的序列

sql 复制代码
-- 需求: 请生成一列数据, 内容为 1 , 2 , 3 , 4 ,5   仅使用select语句
select explode(split('1,2,3,4,5',',')) as num;

-- 需求: 请生成一列数据, 内容 1~100  python 中有一个函数  range(1,100)
-- SQL函数: https://spark.apache.org/docs/3.1.2/api/sql/index.html
-- sequence(start, stop, step)  :  参数1: 起始值  参数2  结束值  参数3  步长(默认为1)   包头包尾
select explode(sequence(1,100)) as  num;

2、如何快速生成表数据

快速生成列

--生成一列 1,2,3,4,5的数据

select explode(split('1,2,3,4,5', ',')) as num;

--生成一列数据内容1-100

select sequence(1,100,1);

-- 索引从0开始

select explode(sequence(0,100,20))as num;

快速生成内容

-- 生成一个两行两列的数据,第一行放置男 m,第二行放置女 f

select stack(2,'男','M','女','F')as (sex1,sex2);

select stack(2,'M','F')as sex;

永久视图

sql 复制代码
-- 创建永久视图
create or replace view t3 as
    select stack(2,'M','F')as sex;
select * from t3;

临时视图

sql 复制代码
-- 创建临时视图
create or replace temporary view t4 as
    select stack(2,'男','女')as sex;
select * from t4;

复制表

sql 复制代码
-- 创建复制表
use test_sql;
create table t5 as
    select stack(2,'M','F')as sex;
select * from t5;

缓存相关内容

sql 复制代码
-- 缓存表
cache table t6 as
    select  stack(2,'M','F')as sex;

--清空一个表的缓存数据
UNCACHE TABLE t6;

--清空所有的缓存
clear chche;

3.开窗函数

创建数据

sql 复制代码
-- 初始化一些数据
create or replace temporary view t1(cookie, dateStr,pv) as
    values ('cookie1','2022-10-05',80),
           ('cookie1','2022-10-06',75),
           ('cookie1','2022-10-07',75),
           ('cookie1','2022-10-08',79),
           ('cookie1','2022-10-09',85),
           ('cookie1','2022-10-10',71),
           ('cookie2','2022-10-05',80),
           ('cookie2','2022-10-06',74),
           ('cookie2','2022-10-07',79),
           ('cookie2','2022-10-08',92),
           ('cookie2','2022-10-09',95);

select * from t1;

cookie1,2022-10-05,80

cookie1,2022-10-06,75

cookie1,2022-10-07,75

cookie1,2022-10-08,79

cookie1,2022-10-09,85

cookie1,2022-10-10,71

cookie2,2022-10-05,80

cookie2,2022-10-06,74

cookie2,2022-10-07,79

cookie2,2022-10-08,92

cookie2,2022-10-09,95

排序函数

--排序函数 1234,1223,1224

select *,row_number() over (partition by cookie order by pv desc )as rn

from t1;

select *,dense_rank() over (partition by cookie order by pv desc )as rn

from t1;

select *,rank() over (partition by cookie order by pv desc )as rn

from t1;

平分函数

ntile(N): 在进行打标记的时候, 会根据N将窗口内的数据划分为等份的N份, 每一份打上相同的标记

select *,ntile(4) over (partition by cookie order by pv desc) as rn4

from t1;

cookie1,2022-10-09,85,1

cookie1,2022-10-05,80,1

cookie1,2022-10-08,79,2

cookie1,2022-10-06,75,2

cookie1,2022-10-07,75,3

cookie1,2022-10-10,71,4

聚合函数

第二类: 和聚合函数组合使用

可以通过窗口实现级联求各种值或者累计求各种值的操作:

当后续遇到需要在计算的时候, 将当前行或者之前或者之后的相关某几行进行计算的时候, 可以使用这个方案

说明:

1- 如果排序字段存在重复值, 默认会将重复的范围内全部数据级联计算在一起

2- 如果没有排序字段, 整个窗口会全部打开, 不管执行到哪一行, 都是针对整个窗口进行级联计算

3- 可以通过rows between方式来锁定窗口的范围:

N preceding : 表示往前的N行, N的取值可以是具体的数据, 也可以是关键词(unbounded(边界))

N following : 表示往后的N行, N的取值可以是具体的数据, 也可以是关键词(unbounded(边界))

current row : 当前行

*/
select *,sum(pv)over (partition by cookie order by pv desc )as rn1

from t1;

cookie1,2022-10-09,85,85

cookie1,2022-10-05,80,165

cookie1,2022-10-08,79,244

cookie1,2022-10-06,75,394

cookie1,2022-10-07,75,394

cookie1,2022-10-10,71,465

--从前面计算到当前行

select *,sum(pv)over (partition by cookie

order by pv rows between unbounded preceding and current row )as rn2

from t1;

cookie1,2022-10-10,71,71

cookie1,2022-10-06,75,146

cookie1,2022-10-07,75,221

cookie1,2022-10-08,79,300

cookie1,2022-10-05,80,380

cookie1,2022-10-09,85,465

--将当前行,前一行,后一行进行计算

select *,sum(pv) over(partition by cookie

order by pv rows between 1 preceding and 1 following ) as rn3

from t1;

cookie1,2022-10-10,71,146

cookie1,2022-10-06,75,221

cookie1,2022-10-07,75,229

cookie1,2022-10-08,79,234

cookie1,2022-10-05,80,244

cookie1,2022-10-09,85,165

-- 从当前行计算到最后

select *,sum(pv) over (partition by cookie

order by pv rows between current row and unbounded following)as rn4

from t1;

cookie1,2022-10-10,71,465

cookie1,2022-10-06,75,394

cookie1,2022-10-07,75,319

cookie1,2022-10-08,79,244

cookie1,2022-10-05,80,165

cookie1,2022-10-09,85,85

-- 计算窗口内所有的,rn列的每一个数字都是pv窗口内求和的总数

select *,sum(pv) over (partition by cookie order by pv

rows between unbounded preceding and unbounded following)as rn6

from t1;

cookie1,2022-10-10,71,465

cookie1,2022-10-06,75,465

cookie1,2022-10-07,75,465

cookie1,2022-10-08,79,465

cookie1,2022-10-05,80,465

cookie1,2022-10-09,85,465

向上向下窗口函数

lag(字段, 往前第N行, 默认值): 可以实现将对应的字段的前N行的值和当前行放置到同一行中, 如果没有, 设置为默认值

lead(字段, 往后第N行, 默认值): 可以实现将对应的字段的后N行的值和当前行放置到同一行中, 如果没有, 设置为默认值

以上的两个分析函数, 必须带上排序操作

first_value(字段) : 用于将字段的第一行的值 和 每一行放置在一起

last_value(字段) : 用于将字段的最后一行的值 和 每一行放置在一起

注意:

如果有排序字段, 会形成当前行和当前行的值放置在一起

解决方案:

方案一: 去除排序字段, 但是弊端没有排序操作, 可能最后一行不是你所想要的最后一行的值

方案二: 保留排序操作, 通过 rows between 强制打开窗口最大范围

rows between unbounded preceding and unbounded following

应用场景: 当我们需要将当前行和之前或者之后的某一行进行计算操作的时候, 需要通过这类分析函数, 将其放置到同一行进行处理

比如说: 转换率计算

*/
-- lag向上取第2个数作为rn列的值

select *,lag(pv,2,0)over (partition by cookie order by dateStr)as rn1

from t1;

cookie1,2022-10-05,80,0

cookie1,2022-10-06,75,0

cookie1,2022-10-07,75,80

cookie1,2022-10-08,79,75

cookie1,2022-10-09,85,75

cookie1,2022-10-10,71,79

-- lead向下取第2个值作为rn列的值

select *,lead(pv,2,0) over (partition by cookie order by dateStr) as rn2

from t1;

cookie1,2022-10-05,80,75

cookie1,2022-10-06,75,79

cookie1,2022-10-07,75,85

cookie1,2022-10-08,79,71

cookie1,2022-10-09,85,0

cookie1,2022-10-10,71,0

--first value取窗口内最开头的值作为rn列的值

select *,first_value(pv) over (partition by cookie order by dateStr desc )as rn3

from t1;

cookie1,2022-10-10,71,71

cookie1,2022-10-09,85,71

cookie1,2022-10-08,79,71

cookie1,2022-10-07,75,71

cookie1,2022-10-06,75,71

cookie1,2022-10-05,80,71

--last value取最后的值作为rn列的值,如果有排序字段,就会形成rn列的值和当前行一样,等于没用

select *,last_value(pv) over (partition by cookie order by dateStr) as rn4

from t1;

-- 解决方法,要么把排序的字段去掉,要么设置窗口变成最大

-- last value ,留下排序的同时,设置窗口最大数,这样就能取到最后的数作为rn列的值

-- unbounded preceding and unbounded following 无界前和无界后

select *,last_value(pv) over(partition by cookie order by dateStr

rows between unbounded preceding and unbounded following

) as rn5

from t1;

相关推荐
摩羯座-1856903059411 分钟前
Python数据可视化基础:使用Matplotlib绘制图表
大数据·python·信息可视化·matplotlib
程序员的世界你不懂21 分钟前
【Flask】测试平台开发,新增说明书编写和展示功能 第二十三篇
java·前端·数据库
在未来等你23 分钟前
Kafka面试精讲 Day 13:故障检测与自动恢复
大数据·分布式·面试·kafka·消息队列
jiedaodezhuti26 分钟前
Flink通讯超时问题深度解析:Akka AskTimeoutException解决方案
大数据·flink
自学也学好编程27 分钟前
【数据库】Redis详解:内存数据库与缓存之王
数据库·redis
庄小焱28 分钟前
大数据存储域——Kafka实战经验总结
大数据·kafka·大数据存储域
JAVA不会写1 小时前
在Mybatis plus中如何使用自定义Sql
数据库·sql
IT 小阿姨(数据库)1 小时前
PgSQL监控死元组和自动清理状态的SQL语句执行报错ERROR: division by zero原因分析和解决方法
linux·运维·数据库·sql·postgresql·centos
ChinaRainbowSea2 小时前
7. LangChain4j + 记忆缓存详细说明
java·数据库·redis·后端·缓存·langchain·ai编程
zskj_qcxjqr2 小时前
告别传统繁琐!七彩喜艾灸机器人:一键开启智能养生新时代
大数据·人工智能·科技·机器人