Apache Doris窗口函数FIRST_VALUE详解：获取分组首值的高效方法

什么是FIRST_VALUE函数

FIRST_VALUE是Apache Doris中一种强大的窗口函数，它能够在有序的数据窗口分区中返回指定表达式的第一个值。这个函数特别适合需要获取分组数据中首条记录特定字段值的场景，比如分析用户首次购买金额、获取设备首次上报数据等。

函数语法解析

FIRST_VALUE函数的基本语法如下：

FIRST_VALUE(expr[, ignore_null])

参数说明：

• expr：必需参数，表示要获取首值的表达式，可以是列名或计算表达式
• ignore_null：可选布尔参数，当设置为true时，函数会跳过NULL值，返回第一个非NULL值

返回值特性

FIRST_VALUE函数返回值的类型与输入表达式expr的类型完全一致。这意味着如果输入是整数列，返回值也是整数；如果是字符串列，返回值就是字符串。

实际应用示例

让我们通过一个完整的示例来理解FIRST_VALUE的用法：

-- 创建示例数据
WITH example_data AS (
    SELECT 1 as id, NULL as value, 'A' as group_name
    UNION ALL
    SELECT 1, 10, 'A'
    UNION ALL
    SELECT 1, NULL, 'A'
    UNION ALL
    SELECT 1, 20, 'A'
    UNION ALL
    SELECT 2, NULL, 'B'
    UNION ALL
    SELECT 2, 30, 'B'
    UNION ALL
    SELECT 2, 40, 'B'
)
-- 使用FIRST_VALUE函数
SELECT 
    group_name,
    id,
    value,
    FIRST_VALUE(value) OVER (
        PARTITION BY id 
        ORDER BY value NULLS LAST
    ) AS first_value_default,
    FIRST_VALUE(value, true) OVER (
        PARTITION BY id 
        ORDER BY value
    ) AS first_value_ignore_null
FROM example_data
ORDER BY id, value;

执行结果分析：

+------------+----+-------+---------------------+-------------------------+
| group_name | id | value | first_value_default | first_value_ignore_null |
+------------+----+-------+---------------------+-------------------------+
| A          |  1 |  NULL |                  10 |                    NULL |
| A          |  1 |  NULL |                  10 |                    NULL |
| A          |  1 |    10 |                  10 |                      10 |
| A          |  1 |    20 |                  10 |                      10 |
| B          |  2 |  NULL |                  30 |                    NULL |
| B          |  2 |    30 |                  30 |                      30 |
| B          |  2 |    40 |                  30 |                      30 |
+------------+----+-------+---------------------+-------------------------+

从结果可以看出：

1. 默认情况下（不指定ignore_null），函数会按照排序顺序返回第一个值，包括NULL
2. 当设置ignore_null为true时，函数会跳过NULL值，返回第一个非NULL值

使用场景建议

FIRST_VALUE函数在以下场景特别有用：

1. 用户行为分析：获取用户首次登录时间、首次购买金额等
2. 设备监控：记录设备首次上报的异常值
3. 金融分析：计算股票交易日的开盘价（当日第一笔交易价格）
4. 日志分析：获取错误日志中首次出现的错误代码

性能优化提示

在使用FIRST_VALUE时，考虑以下优化建议：

1. 合理使用PARTITION BY子句，避免全表扫描
2. 对于大数据集，确保ORDER BY的列上有适当的索引
3. 如果只需要非NULL值，使用ignore_null选项可以减少后续处理
4. 考虑结合其他窗口函数如LAST_VALUE、NTH_VALUE等实现更复杂的分析需求

通过掌握FIRST_VALUE函数，您可以更高效地处理Apache Doris中的窗口分析任务，提取数据分组中的关键首值信息。