Hive 查询，仅选择特定百分位数的记录

Question

我有两列的表格 - ID 和总持续时间：

id  tot_dur
123 1
124 2
125 5
126 8

我想有一个仅选择第 75 个百分位数的 Hive 查询。它应该只是最后一条记录：

id  tot_dur
126 8

这就是我所拥有的，但我很难理解 OVER(( 和 PARTITIONED BY(( 函数的使用，因为根据我的研究，这是我应该使用的函数。在我获得tot_dur列之前，我应该sum并group by列duration。不确定percentile是否是正确的功能，因为我发现了percentile_approx的用例。

select k1.id as id, percentile(cast(tot_dur as bigint),0.75) OVER () as tot_dur
from (
SELECT id, sum(duration) as tot_dur 
FROM data_source
GROUP BY id) k1
group by id

Answer 1

如果我猜对了，这就是你想要的：

with data as (select stack(4,
123, 1,
124, 2,
125, 5,
126, 8) as (id,  tot_dur))
-----------------------------------------------------------------------------
select data.id, data.tot_dur 
from data 
join (select percentile(tot_dur, 0.75) as threshold from data) as t 
where data.tot_dur >= t.threshold;