hive sql编写程序的时候hive分区跑没了，哪位能指导下

hive sql编写程序的时候hive分区跑没了，哪位能指导下

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7683487
• 这篇博客你也可以参考下：hive SQL 创建数据库，创建hive表、查询时，其表名，字段，统统不区分大写(在底层一律转换为小写)
• 除此之外, 这篇博客: hive之使用sql进行增量结合历史数据分析中的 2.hive sql的统计分析 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  
• • 创建月度点击统计表

  CREATE  TABLE use_click_month(
  use_name string,
  date_month string,
  count int
  )row format delimited fields terminated by ',';
  

  • 加载数据

  LOAD DATA LOCAL INPATH '/home/hadoop/data/click/click.log' OVERWRITE INTO TABLE use_click_month ;
  

  • 方法一：使用开窗函数进行数据分析

  select use_name,date_month,count,
  max(count) over(partition by use_name order by date_month) as maxcount,
  sum(count) over(partition by use_name order by date_month) as sumcount
  from use_click_month;
  # 执行结果
  A	201807	19	19	19
  A	201808	13	19	32
  A	201809	15	19	47
  A	201810	34	34	81
  A	201811	40	40	121
  A	201812	39	40	160
  B	201807	12	12	12
  B	201808	45	45	57
  B	201809	68	68	125
  B	201810	19	68	144
  B	201811	22	68	166
  B	201812	35	68	201
  C	201807	11	11	11
  C	201808	12	12	23
  C	201809	16	16	39
  C	201810	19	19	58
  C	201811	19	19	77
  C	201812	9	19	86
  D	201807	13	13	13
  D	201808	9	13	22
  D	201809	18	18	40
  D	201810	26	26	66
  D	201811	24	26	90
  D	201812	20	26	110
  E	201807	7	7	7
  E	201808	8	8	15
  E	201809	9	9	24
  E	201810	3	9	27
  E	201811	100	100	127
  E	201812	50	100	177
  

  • 方法二：使用join进行数据分析

  select t.a_name,t.a_date_month,t.a_count,max(b_count),sum(b_count)
  from (
  select a.use_name as a_name,a.date_month a_date_month,a.count a_count,
  b.use_name as b_name,b.date_month b_date_month,b.count b_count
  from use_click_month a join use_click_month b
  where a.use_name=b.use_name and b.date_month <= a.date_month ) t
  group by t.a_name,t.a_date_month,t.a_count order by  t.a_name,t.a_date_month asc;
  #执行结果
  A	201807	19	19	19
  A	201808	13	19	32
  A	201809	15	19	47
  A	201810	34	34	81
  A	201811	40	40	121
  A	201812	39	40	160
  B	201807	12	12	12
  B	201808	45	45	57
  B	201809	68	68	125
  B	201810	19	68	144
  B	201811	22	68	166
  B	201812	35	68	201
  C	201807	11	11	11
  C	201808	12	12	23
  C	201809	16	16	39
  C	201810	19	19	58
  C	201811	19	19	77
  C	201812	9	19	86
  D	201807	13	13	13
  D	201808	9	13	22
  D	201809	18	18	40
  D	201810	26	26	66
  D	201811	24	26	90
  D	201812	20	26	110
  E	201807	7	7	7
  E	201808	8	8	15
  E	201809	9	9	24
  E	201810	3	9	27
  E	201811	100	100	127
  E	201812	50	100	177
  

  注意：生产上更倾向使用 join ，尽量避免使用开窗函数进行数据分析，因为开窗函数并不能很好的去控制数据shuffle过程中导致数据倾斜的问题。

• 您还可以看一下 CSDN就业班老师的第六章：Hive数据仓库技术课程中的 Hive微博分析大数据平台数据仓库设计03小节, 巩固相关知识点