在 Hive 中执行数据分组聚合操作时，grouping 相关的功能可以说是日常开发中最常用的技能之一。然而，很多使用者长期停留在基础的 GROUP BY 搭配聚合函数层面，一旦遇到稍复杂的业务场景就容易卡壳。实际上，Hive 在分组方面的能力远比你想象的更强大——今天我们就来系统梳理几种常见的分组用法。

先从最基础的语法说起。GROUP BY 子句无需赘言，它的作用就是按照一个或多个字段对数据进行分组。例如按部门统计平均工资，标准写法如下：

SELECT department, AVG(salary) as average_salaryFROM employeesGROUP BY department;

仅有 GROUP BY 还不够，真正完成计算靠的是聚合函数。Hive 提供了 SUM、COUNT、MIN、MAX 等标准函数，配合 GROUP BY 可以轻松算出每个分组的汇总值或记录数。比如既想知道每个部门的总工资，又想统计人数：

SELECT department, SUM(salary) as total_salary, COUNT(*) as employee_countFROM employeesGROUP BY department;

接下来聊一聊HAVING 子句。很多初学者容易混淆 HAVING 和 WHERE——WHERE 是在分组前过滤行，而 HAVING 则是在分组完成后对聚合结果进行筛选。比如想只保留平均工资超过 5000 的部门：

SELECT department, AVG(salary) as average_salaryFROM employeesGROUP BY departmentHAVING AVG(salary) > 5000;

如果标准聚合函数无法满足需求，Hive 还支持自定义聚合函数（UDAF）。你需要实现 org.apache.hadoop.hive.ql.exec.GroupReducer 类，然后在 Hive 中注册。这种方式虽然门槛较高，但在处理特殊业务逻辑时堪称“救命稻草”。

最后介绍一个更高阶的玩法：GROUPING SETS。它允许你在一个查询里同时进行多个不同粒度的分组，并将结果合并输出。例如，同时获取“每个部门的平均工资、总工资、人数”以及“所有部门的合计与全局平均值”，无需编写多个 SQL 再用 UNION 拼接，一条语句即可搞定：

SELECT department, AVG(salary) as average_salary, SUM(salary) as total_salary, COUNT(*) as employee_count, SUM(salary) OVER () as total_salary_all, AVG(salary) OVER () as average_salary_allFROM employeesGROUP BY GROUPING SETS ((department), ());

注意最后一个分组集 () 代表全局聚合。这正是 GROUPING SETS 的精妙之处——灵活组合不同粒度，减少冗余查询，提升效率。

总的来说，Hive 的分组能力远不止“SELECT … GROUP BY”这么简单。从基础聚合到 HAVING 过滤，再到自定义函数和 GROUPING SETS，每一层都能帮助你更精准地切分和洞察数据。熟练运用这些工具，复杂的数据分析也能变得清晰顺手。