Hive SQL 聚合统计函数 COUNT 用法详解

Hive SQL 聚合统计函数 COUNT 类似于标准 SQL 的 COUNT 函数，用来计算符合条件的行数。

语法说明

语法

COUNT(*)
COUNT(expr)
COUNT(DISTINCT expr[, expr...])

说明

COUNT(*)：统计总行数，包括含有 NULL 值的行；

COUNT(expr)：统计提供非 NULL 的 expr 表达式值的行数；

COUNT(DISTINCT expr[, expr ...])：统计提供非 NULL 且去重后的 expr 表达式值的行数。

常用例子

COUNT 与 IF 结合计数

假设通过一个 sql 聚合不同时间段的统计数据，就有可能用到 IF 函数，设定表为 stat，其中分区字段为 dt 表示日期，字段 act 分别表示 1 为曝光行为，2 为点击行为，示例如下：

SELECT
   item_id AS item_id,
   COUNT(IF(act = 1 AND dt >= 20200929 AND dt <= 20201001, 1, NULL)) AS impression_3,
   COUNT(IF(act = 2 AND dt >= 20200929 AND dt <= 20201001, 1, NULL)) AS click_3,
   IF(COUNT(IF(act = 1 AND dt >= 20200929 AND dt <= 20201001, 1, NULL)) > 0, round(COUNT(IF(act = 2 AND dt >= 20200929 AND dt <= 20201001, 1, NULL)) / COUNT(IF(act = 1 AND dt >= 20200929 AND dt <= 20201001, 1, NULL)), 4), 0) AS ctr_3,
   COUNT(IF(act = 1, 1, NULL)) AS impression_30,
   COUNT(IF(act = 2, 1, NULL)) AS click_30,
   IF(COUNT(IF(act = 1, 1, NULL)) > 0, round(COUNT(IF(act = 2, 1, NULL)) / COUNT(IF(act = 1, 1, NULL)), 4), 0) AS ctr_30,
FROM stat
WHERE dt >= 20200902
   AND dt <= 20201001 
GROUP BY item_id

如上 SQL 可以看出，一个 SQL 一次性地获取最近 3 天和 30 天的曝光（impression）、点击（click）和点击率（ctr）数据，利用 IF 多个条件划定时间范围。

COUNT(NULL) 函数

Hive SQL COUNT(NULL) 返回 0，可以利用该特性结合 IF 条件函数做复杂的统计任务。