高级分组rollup,cube操作

最新推荐文章于 2024-11-04 11:27:49 发布
最新推荐文章于 2024-11-04 11:27:49 发布
阅读量457 收藏
点赞数
文章标签： sql
高级分组rollup,cube操作
目的是掌握高级分组的语法.理解高级分组的工作原理.
组函数中的集合操作
Rollup分组
按部门分组SQL> select department_id,sum(salary) from emp group by department_id;
DEPARTMENT_ID SUM(SALARY)
------------- -----------
          100       51600
           30       27390
                     7000
           20       20900
           70       11000
           90       58000
          110       20300
           50      172040
           40        7150
           80      304500
           10        4840
DEPARTMENT_ID SUM(SALARY)
------------- -----------
           60       31680
12 rows selected.
按部门分组,并求总计
SQL> select department_id,sum(salary) from emp group by rollup(department_id);
DEPARTMENT_ID SUM(SALARY)
------------- -----------
           10        4840
           20       20900
           30       27390
           40        7150
           50      172040
           60       31680
           70       11000
           80      304500
           90       58000
          100       51600
          110       20300
DEPARTMENT_ID SUM(SALARY)
------------- -----------
                     7000
                   716400
13 rows selected.
Rollup分组，一次全表扫描  
select department_id,sum(salary) from emp group by rollup(department_id);
-----------------------------------------------------------
分解为下列语句
select department_id,sum(salary) from emp group by department_id
union all
select null,sum(salary) from emp
order by 1;
两次扫描表，效率低
Group by Rollup(a,b,c,d)
的结果集为,共n+1个集
Group by a,b,c,d
Union all
Group by a,b,c
Union all
Group by a,b
Union all
Group by a
Union all
Group by null
SQL> select department_id,sum(salary) from emp group by rollup(department_id,job_id);
DEPARTMENT_ID SUM(SALARY)
------------- -----------
                     7000
                     7000
           10        4840
           10        4840
           20       14300
           20        6600
           20       20900
           30       12100
           30       15290
           30       27390
           40        7150
DEPARTMENT_ID SUM(SALARY)
------------- -----------
           40        7150
           50       40040
           50       70730
           50       61270
           50      172040
           60       31680
           60       31680
           70       11000
           70       11000
           80       61000
           80      243500
DEPARTMENT_ID SUM(SALARY)
------------- -----------
           80      304500
           90       34000
           90       24000
           90       58000
          100       12000
          100       39600
          100       51600
          110       12000
          110        8300
          110       20300
                   716400
33 rows selected.
结果为
select DEPARTMENT_ID,job_id,sum(salary) from emp group by DEPARTMENT_ID,job_id
union all
select DEPARTMENT_ID,null,sum(salary) from emp group by DEPARTMENT_ID
union all
select null,null,sum(salary) from emp;
Grouping(列名称）的使用，为了表达该列是否参加了分组活动：
0为该列参加了分组，1为该列未参加分组操作
SQL> select department_id,sum(salary),grouping(department_id),grouping(job_id) from emp group by rollup(department_id,job_id);
DEPARTMENT_ID SUM(SALARY) GROUPING(DEPARTMENT_ID) GROUPING(JOB_ID)
------------- ----------- ----------------------- ----------------
                     7000                       0                0
                     7000                       0                1
           10        4840                       0                0
           10        4840                       0                1
           20       14300                       0                0
           20        6600                       0                0
           20       20900                       0                1
           30       12100                       0                0
           30       15290                       0                0
           30       27390                       0                1
           40        7150                       0                0
DEPARTMENT_ID SUM(SALARY) GROUPING(DEPARTMENT_ID) GROUPING(JOB_ID)
------------- ----------- ----------------------- ----------------
           40        7150                       0                1
           50       40040                       0                0
           50       70730                       0                0
           50       61270                       0                0
           50      172040                       0                1
           60       31680                       0                0
           60       31680                       0                1
           70       11000                       0                0
           70       11000                       0                1
           80       61000                       0                0
           80      243500                       0                0
DEPARTMENT_ID SUM(SALARY) GROUPING(DEPARTMENT_ID) GROUPING(JOB_ID)
------------- ----------- ----------------------- ----------------
           80      304500                       0                1
           90       34000                       0                0
           90       24000                       0                0
           90       58000                       0                1
          100       12000                       0                0
          100       39600                       0                0
          100       51600                       0                1
          110       12000                       0                0
          110        8300                       0                0
          110       20300                       0                1
                   716400                       1                1
33 rows selected.
Cube分组SQL> select department_id,sum(salary),grouping(department_id),grouping(job_id) from emp group by cube(department_id,job_id);
DEPARTMENT_ID SUM(SALARY) GROUPING(DEPARTMENT_ID) GROUPING(JOB_ID)
------------- ----------- ----------------------- ----------------
                     7000                       0                1
                   716400                       1                1
                    34000                       1                0
                    12000                       1                0
                    12000                       1                0
                     7150                       1                0
                    14300                       1                0
                     6600                       1                0
                    11000                       1                0
                    12100                       1                0
                    61000                       1                0
DEPARTMENT_ID SUM(SALARY) GROUPING(DEPARTMENT_ID) GROUPING(JOB_ID)
------------- ----------- ----------------------- ----------------
                     7000                       0                0
                   250500                       1                0
                    40040                       1                0
                     4840                       1                0
                    24000                       1                0
                    31680                       1                0
                    15290                       1                0
                    70730                       1                0
                    61270                       1                0
                     8300                       1                0
                    39600                       1                0
DEPARTMENT_ID SUM(SALARY) GROUPING(DEPARTMENT_ID) GROUPING(JOB_ID)
------------- ----------- ----------------------- ----------------
           10        4840                       0                1
           10        4840                       0                0
           20       20900                       0                1
           20       14300                       0                0
           20        6600                       0                0
           30       27390                       0                1
           30       12100                       0                0
           30       15290                       0                0
           40        7150                       0                1
           40        7150                       0                0
           50      172040                       0                1
DEPARTMENT_ID SUM(SALARY) GROUPING(DEPARTMENT_ID) GROUPING(JOB_ID)
------------- ----------- ----------------------- ----------------
           50       40040                       0                0
           50       70730                       0                0
           50       61270                       0                0
           60       31680                       0                1
           60       31680                       0                0
           70       11000                       0                1
           70       11000                       0                0
           80      304500                       0                1
           80       61000                       0                0
           80      243500                       0                0
           90       58000                       0                1
DEPARTMENT_ID SUM(SALARY) GROUPING(DEPARTMENT_ID) GROUPING(JOB_ID)
------------- ----------- ----------------------- ----------------
           90       34000                       0                0
           90       24000                       0                0
          100       51600                       0                1
          100       12000                       0                0
          100       39600                       0                0
          110       20300                       0                1
          110       12000                       0                0
          110        8300                       0                0
52 rows selected.
结果集为，2**n(2的N次方)个结果集
select DEPARTMENT_ID,job_id,sum(salary) from emp group by DEPARTMENT_ID,job_id
union all
select DEPARTMENT_ID,null,sum(salary) from emp group by DEPARTMENT_ID
union all
select null,job_id,sum(salary) from emp group by JOB_ID
union all
select null,null,sum(salary) from emp;
静静雪芬
关注
hive 高级分组聚合(grouping sets cube和rollup)
data_man_online的博客
07-31 812
使用高级分组聚合，例如SELECTa,b,SUM(c)FROMtblGROUPBYa,bGROUPINGSETS(a,b)，仅用了一个作业就能够实现union写法需要多个作业才能实现的事情，从这点来看能够减少多个作业在磁盘和网络I/O时多增加的负担，是一种优化，但是同时也要注意因过度使用高级分组聚合语句而导致的数据极速膨胀的问题。相当于selecta,b,sum(c)fromtblgroupbya,b。2.cube会计算所有groupby列的所有组合。......
group by分组函数之rollup与cube用法1
08-08
而在GROUP BY的基础上，Oracle数据库提供了两种高级分组功能：ROLLUP和CUBE，它们允许我们更灵活地生成汇总数据。 1. ROLLUP（滚联回溯）： ROLLUP是GROUP BY的一个扩展，它不仅返回每个单独的分组结果，还会生成...
高级分组聚合cube,rollup
qbm123456789的博客
07-17 206
select a,b,sum(c) from table group by a,b with cube; select a,b,sum(c) from table group by a,b with rollup; cube,rollup两者都可以在一个group by语句中完成多个分组聚合，它们都可以用grouping sets来表达。 cube会计算group by中指定列的所有组合 rollup会按照group by 指定的列从左到右进行下转 ()会下转到a,用（null,a）表示，简化表示
oracle cube 交叉分组,oracle 高级分组 ROLLUP 和 CUBE 区别
weixin_42501298的博客
04-03 118
用SCOTT/TIGER登录。查询表EMP： 都不用：SELECT JOB, DEPTNO, SUM(SAL) FROM EMP GROUP BY JOB, DEPTNO;结果： 使用ROLLUP：SELECT JOB, DEPTNO, SUM(SAL) FROM EMP GROUP BY ROLLUP(JOB, DEPTNO);结果： 对JOB进行统计。或者：SELECT JOB, DEPTNO...
mysql 高级分组函数,[转]详解Oracle高级分组函数(ROLLUP, CUBE, GROUPING SETS)
weixin_29605669的博客
03-23 390
本文主要讲解 ROLLUP, CUBE, GROUPING SETS的主要用法，这些函数可以理解为GroupBy分组函数封装后的精简用法，相当于多个union all 的组合显示效果，但是要比 多个union all的效率要高。其实这些函数在时间的程序开发中应用的并不多，至少在我工作的多年时间中没用过几次，因为现在的各种开发工具/平台都自带了这些高级分组统计功能，使用的方便性及美观性都比这些要好。...
高级分组ROLLUP,CUBE,GROUPING,GROUPING SETS操作
让 学习 成为一种 习惯 ( 谭祖爱 & 技术博客 )
12-31 846
目的是掌握高级分组的语法.理解高级分组的工作原理. 组函数中的集合操作 Rollup分组(ORACLE数据库中的ROLLUP配合GROUP BY命令使用，可以提供信息汇总功能（与"小计"相似）) 按部门分组SQL> select department_id,sum(salary) from emp group by department_id; DEPARTMENT_ID
高级分组函数 之ROLLUP，CUBE，GROUPING SETS
qq_39499221的博客
10-09 411
ROLLUP，CUBE，GROUPING SETS 函数可以理解为Group By 分组函数封装后的精简用法，相当于多个union all 的组合显示效果，但是要比 多个 union all 的效率要高。 1.group by 函数适用场景：           1） 聚合函数，比如 count ,sum,avg等等。           2）筛选只能 having，不能是 where。 ...
Oralce 高级 sql 之 rollup 与 cube
dataminer 的博客
01-07 1206
在 oracle sql 查询中，oracle 提供了一些高级功能能够简化 sql 查询语句以及提高查询性能。下面将介绍 rollup，cube的用法与区别。 rollup 首先构造两个基本表 emp(员工表) 与 dept(部门表)： SQL> create table emp as select * from scott.emp; Table created. SQL> cr
ORACLE 高级分组 rollup，cube
cuizhela6794的博客
12-10 78
高级分组rollup,cube操作该实验的目的是掌握高级分组的语法，理解高级分组的工作原理·组函数中的集合操作·ROLLUP分组按部门分组SQL> select deptno,sum(sal) from emp ...
oracle 高级分组 ROLLUP 和 CUBE 区别
天元喜羊羊的博客
03-19 3811
用SCOTT/TIGER登录。 查询表EMP： 都不用： SELECT JOB, DEPTNO, SUM(SAL) FROM EMP GROUP BY JOB, DEPTNO; 结果： 使用ROLLUP： SELECT JOB, DEPTNO, SUM(SAL) FROM EMP GROUP BY ROLLUP(JOB, DEPTNO); 结果
SQLServer中汇总功能的使用GROUPING,ROLLUP和CUBE
09-11
然而，GROUP BY还可以与GROUPING、ROLLUP和CUBE运算符结合使用，以实现更复杂的多维度汇总功能。这些高级的汇总方法在数据分析和报表生成中非常有用，尤其是在处理大型数据集时。 GROUPING运算符主要用于识别汇总行...
Oracle Rollup与Cube操作详解
Oracle数据库提供了高级的聚合功能，其中包括`ROLLUP`和`CUBE`，它们允许我们以多维度的方式对数据进行汇总，生成汇总表格，这对于OLAP（在线分析处理）系统尤其有用。 1. `ROLLUP`操作： `ROLLUP`操作用于生成...
NoSQL之 Redis配置与优化
abandon的博客
10-30 819
正常情况下，大部分的访问请求应该时先被redis缓存响应，在redis那里得不到响应的小部分访问请求才会去请求MySQL数据库获取数据，这样MySQL数据库的负载压力会非常小，能够正常稳定工作。6）开启lazy-free机制（lazyfree-lazy-* yes），将删除过期key的操作放到后台线程执行，减少大量的删除操作对redis主进程的阻塞。持久化保存的文件占用空间更大，恢复速度更慢，性能影响更大，AOF文件重写期间在fork子进程时也会阻塞redis主进程，且IO压力更大。
SQL 数据汇总与透视的实用案例
李长渊的博客
10-30 601
SQL 数据汇总与透视的实用案例
【力扣 + 牛客 | SQL题 | 每日5题】牛客SQL热题216，217，223
2301_80912559的博客
10-30 1019
你正在搭建一个用户活跃度的画像，其中一个与活跃度相关的特征是“最长连续登录天数”， 请用SQL实现“2023年1月1日-2023年1月31日用户最长的连续登录天数”一句话：两个记录的日期的差值如果等于两记录的排名差值，说明中间一直是连续的。使用join查询方式找出没有分类的电影id以及其电影名称。这不一眼窗口函数么。
通过不当变更导致 PostgreSQL 翻车的案例分析与防范
2301_78385600的博客
10-30 504
PostgreSQL 虽然强大，但在不当的变更操作下也可能翻车。通过谨慎添加索引、合理设计表结构、谨慎调整参数以及确保备份与恢复，我们可以有效避免这些风险，确保数据库的稳定性和性能。在实际操作中，我们应时刻保持警惕，不断学习和总结，以应对各种可能的挑战。
PostgreSQL (八) 创建分区
最新发布
fracong的博客
11-04 137
分区的新建和查询
JAVA 插入 JSON 对象到 PostgreSQL
qq_52143611的博客
10-30 963
在现代软件开发中，由于 JSON 数据的轻量和通用性，处理 JSON 数据已经变得无处不在。PostgreSQL凭借其对 JSON 的强大支持，为存储和查询 JSON 数据提供了出色的平台。为了将JSON数据保存到PostgreSQL数据库中，我们可以将JSON数据转换为PostgreSQL的JSONB类型数据，然后将其存储在数据库中。在Java中，我们可以使用JDBC或者基于ORM框架的方式来实现这一功能。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值