HQL聚集计算之进阶篇

HQL聚集函数可以使用GROUPING SETS, CUBE, 和ROLLUP等关键词。

  1. GROUPING SETS
    该子句等同于GROUP BY子句和UNION ALL子句一起组合使用。另外该子句是在单一阶段一次性完成相关处理,效率相对更高。GROUPING SETS这个子句后是空集合的话,会计算整体聚集。GROUPING SETS这个子句后()之外的部分,用于确定 UNION ALL的执行方式和个数;()之内的部分,用于确定GROUP BY的执行方式。
    例1.1 一个元素:一个两列组合
SELECT       
name, start_date, count(sin_number) as sin_cnt       
FROM employee_hr      
GROUP BY name, start_date       
GROUPING SETS((name, start_date));      
--||-- equals to      
SELECT      
name, start_date, count(sin_number) as sin_cnt       
FROM employee_hr      
GROUP BY name, start_date;      
+---------+------------+---------+      
| name    | start_date | sin_cnt |      
+---------+------------+---------+      
| Lucy    | 2010-01-03 | 1       |      
| Michael | 2014-01-29 | 1       |      
| Steven  | 2012-11-03 | 1       |      
| Will    | 2013-10-02 | 1       |      
+---------+------------+---------+      
4 rows selected (26.3 seconds)

例1.2 两个元素:两个列

SELECT       
name, start_date, count(sin_number) as sin_cnt       
FROM employee_hr      
GROUP BY name, start_date       
GROUPING SETS(name, start_date);      
--||-- equals to      
SELECT       
name, null as start_date, count(sin_number) as sin_cnt       
FROM employee_hr      
GROUP BY name      
UNION ALL      
SELECT       
null as name, start_date, count(sin_number) as sin_cnt       
FROM employee_hr      
GROUP BY start_date;      
----------+------------+---------+      
| name    | start_date | sin_cnt |      
+---------+------------+---------+      
| NULL    | 2010-01-03 | 1       |      
| NULL    | 2012-11-03 | 1       |      
| NULL    | 2013-10-02 | 1       |      
| NULL    | 2014-01-29 | 1       |      
| Lucy    | NULL       | 1       |      
| Michael | NULL       | 1       |      
| Steven  | NULL       | 1       |      
| Will    | NULL       | 1       |      
+---------+------------+---------+      
8 rows selected (22.658 seconds)

例1.3 两个元素:一个两列组合,一个列

SELECT       
name, start_date, count(sin_number) as sin_cnt       
FROM employee_hr      
GROUP BY name, start_date       
GROUPING SETS((name, start_date), name);      
--||-- equals to      
SELECT       
name, start_date, count(sin_number) as sin_cnt       
FROM employee_hr      
GROUP BY name, start_date      
UNION ALL      
SELECT       
name, null as start_date, count(sin_number) as sin_cnt       
FROM employee_hr      
GROUP BY name;      
+---------+------------+---------+      
| name    | start_date | sin_cnt |      
+---------+------------+---------+      
| Lucy    | NULL       | 1       |      
| Lucy    | 2010-01-03 | 1       |      
| Michael | NULL       | 1       |      
| Michael | 2014-01-29 | 1       |      
| Steven  | NULL       | 1       |      
| Steven  | 2012-11-03 | 1       |      
| Will    | NULL       | 1       |      
| Will    | 2013-10-02 | 1       |      
+---------+------------+---------+      
8 rows selected (22.503 seconds)

例1.4 四个元素:两列的所有排列组合

SELECT       
name, start_date, count(sin_number) as sin_cnt       
FROM employee_hr      
GROUP BY name, start_date       
GROUPING SETS((name, start_date), name, start_date, ());      
--||-- equals to      
SELECT       
name, start_date, count(sin_number) as sin_cnt       
FROM employee_hr      
GROUP BY name, start_date      
UNION ALL      
SELECT       
name, null as start_date, count(sin_number) as sin_cnt       
FROM employee_hr      
GROUP BY name      
UNION ALL      
SELECT       
null as name, start_date, count(sin_number) as sin_cnt       
FROM employee_hr      
GROUP BY start_date      
UNION ALL      
SELECT       
null as name, null as start_date, count(sin_number) as sin_cnt       
FROM employee_hr      
+---------+------------+---------+      
| name    | start_date | sin_cnt |      
+---------+------------+---------+      
| NULL    | NULL       | 4       |      
| NULL    | 2010-01-03 | 1       |      
| NULL    | 2012-11-03 | 1       |      
| NULL    | 2013-10-02 | 1       |      
| NULL    | 2014-01-29 | 1       |      
| Lucy    | NULL       | 1       |      
| Lucy    | 2010-01-03 | 1       |      
| Michael | NULL       | 1       |      
| Michael | 2014-01-29 | 1       |      
| Steven  | NULL       | 1       |      
| Steven  | 2012-11-03 | 1       |     
| Will    | NULL       | 1       |      
| Will    | 2013-10-02 | 1       |      
+---------+------------+---------+      
13 rows selected (24.916 seconds)
  1. ROLLUP
    提供n+1层级的聚集计算,这里n为参与分组的列的个数。例如GROUP BY a,b,c WITH ROLLUP 等效于 GROUP BY a,b,c GROUPING SETS ((a,b,c),(a,b),(a),())
  2. CUBE
    提供2的n次方个层级的聚集计算,这里n为参与分组的列的个数,这个层级数为n个元素所有组合数。例如GROUP BY a,b,c WITH CUBE等效于 GROUP BY a,b,c GROUPING SETS ((a,b,c),(a,b),(b,c),(a,c),(a),(b),(c),())
  3. GROUPING__ID 和 GROUPING 函数
    GROUPING__ID函数,无需输入参数,返回值用来标识用于聚集计算的层次,这个值是GROUP BY后具体列组合的位向量的数字值。具有相同GROUP BY后具体列组合的行,该函数返回相同的数字ID。
    GROUPING函数用于判断某列是否包含在当前行的聚集计算(也即是否包含在该行的GROUP BY之后)。0,指不包含在GROUP BY之后的列中;1,指包含在GROUP BY之后的列中。请看以下示例,
SELECT 
name, start_date, count(employee_id) as emp_id_cnt,
GROUPING__ID,
grouping(name) as gp_name, 
grouping(start_date) as gp_sd
FROM employee_hr 
GROUP BY name, start_date 
WITH CUBE ORDER BY name, start_date;
+---------+------------+------------+-----+---------+-------+
| name    | start_date | emp_id_cnt | gid | gp_name | gp_sd |
+---------+------------+------------+-----+---------+-------+
| NULL    | NULL       | 4          | 3   | 1       | 1     |
| NULL    | 2010-01-03 | 1          | 2   | 1       | 0     |
| NULL    | 2012-11-03 | 1          | 2   | 1       | 0     |
| NULL    | 2013-10-02 | 1          | 2   | 1       | 0     |
| NULL    | 2014-01-29 | 1          | 2   | 1       | 0     |
| Lucy    | NULL       | 1          | 1   | 0       | 1     |
| Lucy    | 2010-01-03 | 1          | 0   | 0       | 0     |
| Michael | NULL       | 1          | 1   | 0       | 1     |
| Michael | 2014-01-29 | 1          | 0   | 0       | 0     |
| Steven  | NULL       | 1          | 1   | 0       | 1     |
| Steven  | 2012-11-03 | 1          | 0   | 0       | 0     |
| Will    | NULL       | 1          | 1   | 0       | 1     |
| Will    | 2013-10-02 | 1          | 0   | 0       | 0     |
+---------+------------+------------+-----+---------+-------+
13 rows selected (55.507 seconds)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,402评论 6 499
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,377评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,483评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,165评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,176评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,146评论 1 297
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,032评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,896评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,311评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,536评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,696评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,413评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,008评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,659评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,815评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,698评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,592评论 2 353

推荐阅读更多精彩内容