Hive函数 - cube, rollup 详解

使用场景

很多时候我们除了需要在报表中罗列出每个具体项的数据,还需要进行汇总,并且是不同维度的汇总。如果在展示表格的时候汇总,可能会比较慢,我们一般是把结果计算出来之后,以'ALL'或者'总计','汇总'等字样作为项的名称,然后放入汇总值。如果仅仅是所有行的汇总,一次聚合就搞定。但是不同维度的汇总就会很麻烦,所幸我们有 cube, rollup 函数。

tips:可能有人不懂什么是不同维度的聚合。比如下表:

国籍 性别 人数
中国 80
中国 70
美国 50
美国 44
中国 合计 150
美国 合计 94
合计 合计 244

这里展示了每个项的数据,以及从右到左不同维度的合计(性别维度, 所有维度),相当于后面说的 rollup 函数。
如果进一步得到所有组合的合计,那么上表还需要附加下面的内容:

国籍 性别 人数
合计 130
合计 114

增加了国籍维度的聚合。把所有维度进行进行组合聚合,这就是 cube 函数的作用。

PS:其实这里国籍和性别应该同时聚合一次,不够由于没有国籍、性别同时相等的行,也就没有聚合的必要,但是数据库在计算时,这一步不会省略。

cube 函数

先看代码:

select 
    if(grouping(a)=1, 'ALL', a) a,
    if(grouping(b)=1, 'ALL', b) b,
    count(1)
from my_table
group by
    cube(a, b)

上面的代码相当于:

select 'ALL' a, 'ALL' b, count(1) from my_table # 整体进行聚合
union all
select a, 'ALL' b, count(1) from my_table group by a # a 为维度聚合
union all
select 'ALL' a, b, count(1) from my_table group by b # b 为维度聚合
union all
select a, b, count(1) from my_table group by a, b # a, b 两个维度聚合

tips:

  1. grouping(a)=1 表示当不是以 a 为维度聚合的时候,也就是 a 会被合并的时候,返回 true。此时用一个值来填充 a,默认是 NULL,这里我们用了更有意义的 "ALL" 字符串。
  2. 当要聚合的维度很多时,用 cube 的计算量会非常大。聚合次数指数级增长。所以不要在 cube 里放太多字段。

rollup 函数

select 
    if(grouping(a)=1, 'ALL', a) a,
    if(grouping(b)=1, 'ALL', b) b,
    count(1)
from my_table
group by
    rollup(a, b)

等价于:

select 'ALL' a, 'ALL' b, count(1) from my_table # 整体进行聚合
union all
select a, 'ALL' b, count(1) from my_table group by a # a 为维度聚合
union all
select a, b, count(1) from my_table group by a, b # a, b 两个维度聚合

和 cube 函数的区别是,cube 会把括号里面的所有字段进行组合,而 rollup 只会“递进”地聚合括号里的字段。

©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 219,110评论 6 508
  • 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 93,443评论 3 395
  • 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 165,474评论 0 356
  • 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 58,881评论 1 295
  • 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 67,902评论 6 392
  • 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 51,698评论 1 305
  • 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 40,418评论 3 419
  • 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 39,332评论 0 276
  • 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 45,796评论 1 316
  • 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 37,968评论 3 337
  • 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 40,110评论 1 351
  • 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 35,792评论 5 346
  • 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 41,455评论 3 331
  • 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 32,003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 33,130评论 1 272
  • 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 48,348评论 3 373
  • 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 45,047评论 2 355

推荐阅读更多精彩内容