hive之LEAD 函数详解

1. 函数概述

LEAD 是 Hive 中的窗口函数，用于获取当前行之后指定偏移量处的行的值。常用于分析时间序列数据、计算相邻记录的差异或预测趋势。

2. 语法

LEAD(column, offset, default) OVER (
    [PARTITION BY partition_column] 
    [ORDER BY order_column [ASC|DESC]]
)

• column: 要获取后续值的列。

• offset (可选): 向后查找的行数，默认为 1。

• default (可选): 无后续行时的默认值，默认为 NULL。

• PARTITION BY: 将数据划分为多个窗口（类似分组）。

• ORDER BY: 定义窗口内的排序方式。

3.代码示例 

CREATE TABLE sales_lead (
    sale_date STRING,
    salesperson STRING,
    amount INT
);

INSERT INTO sales_lead VALUES
('2023-01-01', 'Alice', 100),
('2023-01-02', 'Alice', 150),
('2023-01-03', 'Alice', 200),
('2023-01-01', 'Bob', 80),
('2023-01-02', 'Bob', 120);

---示例 1：获取下次销售额
SELECT 
    salesperson,
    sale_date,
    amount AS current_amount,
    LEAD(amount, 1, 0) OVER (
        PARTITION BY salesperson 
        ORDER BY sale_date
    ) AS next_amount
FROM sales_lead;

--示例 2：计算与下次销售的时间间隔
SELECT 
    salesperson,
    sale_date,
    LEAD(sale_date, 1) OVER (
        PARTITION BY salesperson 
        ORDER BY sale_date
    ) AS next_sale_date,
    DATEDIFF(
        LEAD(sale_date, 1) OVER (
            PARTITION BY salesperson 
            ORDER BY sale_date
        ), 
        sale_date
    ) AS days_diff
FROM sales_lead;