Hive中row_number()函数如何处理空值

在 Hive 中，row_number() 窗口函数用于为结果集中的每一行分配一个唯一的连续编号，编号顺序由 ORDER BY 子句决定。不过，有一个细节常常让人困惑：空值（NULL）在排序中究竟如何排列？

我们先来看一下基础语法示例：

SELECT column1, column2, ..., ROW_NUMBER() OVER (ORDER BY column1 ASC, column2 DESC) AS row_numFROM table_name;

在 OVER 子句中指定排序规则：首先按 column1 升序排列，其次按 column2 降序排列。此时 Hive 会自动处理空值——默认情况下，升序时空值排在末尾，降序时空值排在最前面，具体表现取决于数据库版本。然而，这种“自动安排”往往无法满足实际业务需求。

若要精确控制空值在排序中的位置，可以添加 NULLS FIRST 或 NULLS LAST 修饰符。示例如下：

SELECT column1, column2, ..., ROW_NUMBER() OVER (ORDER BY column1 ASC NULLS FIRST, column2 DESC NULLS LAST) AS row_numFROM table_name;

这段代码的含义非常明确：column1 按升序排列时，将所有 null 值置于最前面，非空值紧随其后；column2 按降序排列时，将 null 值放在最后，非空值排在前列。这样一来，编号逻辑完全由你掌控，再也不会因为空值“插队”而感到困惑。

简单总结：row_number() 本身并不区分空值，关键在于 ORDER BY 中配合使用的 NULLS FIRST/LAST 修饰符。掌握这个技巧，在编写 Hive 窗口函数时能有效减少调试时间，提升查询准确性。