hive 1.1.0+ 支持 lead 函数（需开启 cbo 并用 tez/spark 引擎），必须配合 partition by 和 order by 使用，计算时间差时需转 unix_timestamp、处理 null，并注意精度与排序稳定性。
LEAD 函数在 Hive 中的可用性要先确认
Hive 从 1.1.0 版本开始支持 LEAD（需开启 CBO 优化且使用 Tez 或 Spark 执行引擎），但默认配置下部分旧集群仍可能报错 undefined function lead。不是语法写错，而是函数根本未启用。
实操建议：
- 先运行
SHOW FUNCTIONS LIKE 'lead';确认是否可见 - 若不可见，检查
hive-site.xml中是否设置了hive.cbo.enable=true，并确认执行引擎为tez或spark（set hive.execution.engine=tez;） - 某些 CDH 5.x 集群即使版本达标，也需额外加载
hive-contribjar（不推荐硬补，优先升级或换引擎）
LEAD 必须配合 PARTITION BY 和 ORDER BY 使用
LEAD 是窗口函数，没 PARTITION BY 会把全表当一个会话；没 ORDER BY 则时间顺序混乱，算出的“停留时长”全是负数或乱序值。
典型错误写法：LEAD(event_time) OVER () —— 全表无序取下一行，毫无业务意义。
正确结构应明确按用户分组、按事件时间升序：
LEAD(event_time) OVER (PARTITION BY user_id ORDER BY event_time)
使用场景：用户行为日志表（含 user_id、event_time、page 等字段），目标是算出每次页面访问到下一次访问的间隔。
计算会话时长时要注意 NULL 和边界值
LEAD 在每个 PARTITION 的最后一行返回 NULL，直接减会导致整列变 NULL；另外，原始 event_time 若为字符串（如 '2024-03-15 10:23:45'），不能直接相减。
实操建议：
- 用
unix_timestamp()统一转为秒级整型再相减：unix_timestamp(LEAD(event_time) OVER (...)) - unix_timestamp(event_time) - 用
COALESCE处理末尾NULL，例如设为 0 或标记为“会话结束”：COALESCE(unix_timestamp(LEAD(...)) - unix_timestamp(event_time), 0) - 若需过滤掉异常大值（如跨天会话），可加
WHERE条件：HAVING diff_sec （限定 1 小时内）
实际 SQL 示例与常见陷阱
假设表 user_behavior 字段为 user_id STRING, event_time STRING（格式 yyyy-MM-dd HH:mm:ss），统计相邻行为时间差（单位：秒）：
SELECT
user_id,
event_time,
COALESCE(
unix_timestamp(LEAD(event_time) OVER (PARTITION BY user_id ORDER BY event_time)) -
unix_timestamp(event_time),
0
) AS stay_sec
FROM user_behavior;
容易踩的坑：
-
event_time含毫秒或时区信息？unix_timestamp()默认只解析到秒，多余部分会被截断，导致精度丢失 - 同一用户同秒内多条行为？
ORDER BY event_time无法稳定排序，需追加二级排序字段（如row_id）避免非确定性结果 - 会话定义不止看时间差——真实业务中常需结合页面跳失、超时阈值（如 30 分钟无操作视为新会话），
LEAD只解决“相邻差”，不等于“会话切分”
真正做会话分析时，LEAD 只是第一步；后续还需用 LAG 或自定义 UDTF 做会话 ID 打标，否则光有间隔数据没法聚合统计人均会话时长。
