如何在 hive 中生成 MTD（月至今）滚动总和？

Question

我预计以前可能有人问过这个问题，但不知何故我找不到任何东西。 请让我知道这是否重复。

所以假设我有一个格式如下的表格

| event_date | v |
|------------+---|
| 2021-01-01 | 1 |
| 2021-01-02 | 1 |
| .......... | . |
| 2021-01-31 | 1 |
| 2021-02-01 | 1 |
| 2021-02-02 | 1 |

我想计算每个月内的滚动总和。 所以 output 将是这样的（假设所有行的v=1 ）：

| event_date | v | cum_v |
|------------+---+-------|
| 2021-01-01 | 1 |     1 |
| 2021-01-02 | 1 |     2 |
| .......... | . |     . |
| 2021-01-31 | 1 |    31 |
| 2021-02-01 | 1 |     1 |
| 2021-02-02 | 1 |     2 |

这类似于计算滚动 30 天的总和，但它是滚动 1 个月。

我认为这可以使用 hive 的 window function 和interval命令来完成，但无法在interval命令上找到任何有用的文档。 我也期待进行 QTD 和 YTD 汇总，因此希望以灵活的方式进行。

Answer 1

使用分析 function 按 substr(event_date, 1,7) order by event_date 分区：

select sum(v) over (partition by substr(event_date, 1,7) order by event_date) as rolling_sum

Answer 2

您想要一个如下所示的累积总和：

select t.*,
       sum(val) over (partition by year(event_date), month(event_date)
                      order by event_date
                     ) as mtd
from t;

这很容易推广到 YTD 和 QTD。

或者，如果您喜欢更短的形式：

       sum(val) over (partition by last_day(event_date)
                      order by event_date
                     ) as mtd

我强烈建议您在日期列上使用日期函数。