聚合函数

聚合函数是指对一组值计算，并返回单个值的计算结果。 除了 COUNT(*) 外，聚合函数都会忽略 Null 值。 聚合函数通常与 SELECT 语句的 GROUP BY 子句一起使用。

所有聚合函数均为确定性函数。 换言之，每次使用一组特定的输入值调用聚合函数时，它们所返回的值都是相同的。

APPROX_COUNT_DISTINCT

APPROX_COUNT_DISTINCT( expression ) 计算组中每行的表达式，并返回组中唯一非空值的近似数。 此函数旨在跨响应速度比绝对精度更为关键的大型数据集进行聚合。

使用 APPROX_COUNT_DISTINCT

此示例返回学生表中不同主键的近似数。

SELECT APPROX_COUNT_DISTINCT(TestKey) AS result
FROM db1.students;

下面是结果集：

result
------------------------
12456

结合使用 APPROX_COUNT_DISTINCT 和 GROUP BY

此示例返回学生表中不同主键的近似数。

SELECT AGE, APPROX_COUNT_DISTINCT(O_OrderKey) AS Result
FROM db1.students
GROUP BY AGE
ORDER BY AGE;

下面是结果集。

AGE                                                               Result
---------------------------------------------------------------- ------------------------
11                                                                7397838
12                                                                7387803
13                                                                388036

CHECKSUM_AGG

CHECKSUM_AGG ( [ ALL | DISTINCT ] expression ) 函数返回组中各值的校验和。 CHECKSUM_AGG 将忽略 null 值。

分析函数

分析函数基于一组行计算聚合值。 但是，与聚合函数不同，分析函数可能针对每个组返回多行。 可以使用分析函数来计算移动平均线、运行总计、百分比或一个组内的前 N 个结果。

CUME_DIST

函数会计算某个值在某个值组内的累积分布。 换言之，CUME_DIST 计算某指定值在一组值中的相对位置。 假定采用升序，行 r 中 CUME_DIST 的值定义为低于或等于行 r 的值的行数除以在分区或查询结果集中求出的行数。

语法：

CUME_DIST( )  
    OVER ( [ partition_by_clause ] order_by_clause )

partition_by_clause 将 FROM 子句结果集划分为要应用函数的分区。 如果未指定 partition_by_clause 参数，则 CUME_DIST 将查询结果集的所有行视为单个组。 order_by_clause 确定操作发生的逻辑顺序。