HIVE 窗口函数处理重复数据

窗口函数row_number()，结合OVER子句中的PARTITION BY和ORDER BY，为数据分组内的每一行生成一个唯一的序号。具体分析如下：

函数作用：

• row_number()：为每个分组内的行分配一个唯一的连续序号（从1开始）。

OVER子句详解：

1. PARTITION BY t1.org_code, t1.customer_code

   • 将数据按 org_code（机构代码）和 customer_code（客户代码） 分组。

   • 窗口计算会独立发生在每个分组内。

2. ORDER BY t1.id DESC

   • 在每个分组内，按 id 字段降序排列（即 id 值最大的排在最前面）。

   • 序号分配基于此排序：最大的 id 对应 rank=1，次大的 id 对应 rank=2，以此类推。

结果列名：

• 生成的序号列名为 rank（可在后续查询中通过此名称引用）。

典型使用场景示例：

SELECT *
FROM (
    SELECT 
        t1.*,
        ROW_NUMBER() OVER (
            PARTITION BY t1.org_code, t1.customer_code
            ORDER BY t1.id DESC
        ) AS rank
    FROM your_table t1
) subquery
WHERE rank = 1; -- 获取每个分组内最新的一条记录（id最大）

注意事项：

• 若需要完全去重（如多行 id 相同时只取一条），优先用 ROW_NUMBER()。

• 若需保留相同 id 的所有记录，改用 RANK() 或 DENSE_RANK()。

• 性能：在分区字段（org_code, customer_code）和排序字段（id）上建立索引可加速计算。