业务需要，需要计算同一个用户，通过同一个访问渠道，每次访问的时间间隔。
主要要用到的lag和lead分析函数。这边借这个例子，详细展开来讲一下。
一、lag和lead说明
1. lag
lag(col, n, default) over()
- 说明： 用于统计窗口内向上第n行的值，与lead()刚好相反
- 参数1： 为要取值的列名
- 参数2： 为向上第n行，默认值为1，这个值是固定的，不能动态的变化
- 参数3： 为默认值，当向上第n行的值为NULL时，取默认值，如果不指定，则默认值为NULL
2. lead
lead(col, n, default) over()
- 说明： 用于统计窗口内向下第n行的值
- 参数1： 为要取值的列名
- 参数2： 为向下第n行，默认值为1，这个值是固定的，不能动态的变化
- 参数3： 为默认值，当向下第n行的值为NULL时，取默认值，如果不指定，则默认值为NULL
3. 用法说明
select
*,
lag(col_1, 1, 'none') over(partition by col_2 order by col_3) as lag_col
from table;
- over()表示 lag()与lead()操作的数据都在over()的范围内，它里面可以使用partition by 语句（用于分组）和 order by 语句（用于排序）。
- partition by col_2 order by col_3 表示以col_2字段进行分组，再以col_3字段进行排序。
二、具体用法
构造原始数据如下，表名为user_visit_table：
使用lag函数，按user_id和visit_channel分组、然后按visit_time排序，获取到相邻的visit_time列，生成一个新的列，命名为time_lag，代码如下：
SELECT
user_id
,visit_channel
,visit_time
,LAG(visit_time) OVER(PARTITION BY user_id, visit_channel ORDER BY visit_time) AS time_lag
FROM user_visit_table;
执行结果如下：
然后再计算visit_time和time_lag的差值，就比较简单了，代码如下：
SELECT
*
,IF(t.time_lag IS NOT null, unix_timestamp(t.visit_time)-unix_timestamp(t.time_lag), 0) AS time_diff
FROM
(
SELECT
user_id
,visit_channel
,visit_time
,LAG(visit_time) OVER(PARTITION BY user_id, visit_channel ORDER BY visit_time) AS time_lag
FROM user_visit_table
) t;
执行结果如下：
参考链接：
hive分析函数lead()和lag()的应用_不想起的昵称的博客-CSDN博客_hive lead
Original: https://blog.csdn.net/u011590738/article/details/125613952
Author: MachineCYL
Title: 【Hive】计算相邻两行时间戳的间隔（lag、lead）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/817895/
转载文章受原作者版权保护。转载请注明原作者出处！