<rt id="bn8ez"></rt>
<label id="bn8ez"></label>

  • <span id="bn8ez"></span>

    <label id="bn8ez"><meter id="bn8ez"></meter></label>

    [摘錄]ROLLUP和CUBE語句


    摘錄地址:http://xsb.itpub.net/post/419/29159

    2005-05-10 09:40 First Publish.
    Oracle的GROUP BY語句除了最基本的語法外,還支持ROLLUP和CUBE語句。如果是ROLLUP(A, B, C)的話,首先會對(A、B、C)進行GROUP BY,然后對(A、B)進行GROUP BY,然后是(A)進行GROUP BY,最后對全表進行GROUP BY操作。如果是GROUP BY CUBE(A, B, C),則首先會對(A、B、C)進行GROUP BY,然后依次是(A、B),(A、C),(A),(B、C),(B),(C),最后對全表進行GROUP BY操作。 grouping_id()可以美化效果:


    Oracle的GROUP BY語句除了最基本的語法外,還支持ROLLUP和CUBE語句。

    除本文內容外,你還可參考:
    分析函數參考手冊:
    http://xsb.itpub.net/post/419/33028
    分析函數使用例子介紹:http://xsb.itpub.net/post/419/44634

    SQL> create table t as select * from dba_indexes;

    表已創建。

    SQL> select index_type, status, count(*) from t group by index_type, status;

    INDEX_TYPE STATUS COUNT(*)
    --------------------------- -------- ----------
    LOB VALID 51
    NORMAL N/A 25
    NORMAL VALID 479
    CLUSTER VALID 11

    下面來看看ROLLUP和CUBE語句的執行結果。

    SQL> select index_type, status, count(*) from t group by rollup(index_type, status);

    INDEX_TYPE STATUS COUNT(*)
    --------------------------- -------- ----------
    LOB VALID 51
    LOB 51
    NORMAL N/A 25
    NORMAL VALID 479
    NORMAL 504
    CLUSTER VALID 11
    CLUSTER 11
    566

    已選擇8行。

    SQL> select index_type, status, count(*) from t group by cube(index_type, status);

    INDEX_TYPE STATUS COUNT(*)
    --------------------------- -------- ----------
    566
    N/A 25
    VALID 541
    LOB 51
    LOB VALID 51
    NORMAL 504
    NORMAL N/A 25
    NORMAL VALID 479
    CLUSTER 11
    CLUSTER VALID 11

    已選擇10行。

    查詢結果不是很一目了然,下面通過Oracle提供的函數GROUPING來整理一下查詢結果。

    SQL> select grouping(index_type) g_ind, grouping(status) g_st, index_type, status, count(*)
    2 from t group by rollup(index_type, status) order by 1, 2;

    G_IND G_ST INDEX_TYPE STATUS COUNT(*)
    ---------- ---------- --------------------------- -------- ----------
    0 0 LOB VALID 51
    0 0 NORMAL N/A 25
    0 0 NORMAL VALID 479
    0 0 CLUSTER VALID 11
    0 1 LOB 51
    0 1 NORMAL 504
    0 1 CLUSTER 11
    1 1 566

    已選擇8行。

    這個查詢結果就直觀多了,和不帶ROLLUP語句的GROUP BY相比,ROLLUP增加了對INDEX_TYPE的GROUP BY統計和對所有記錄的GROUP BY統計。

    也就是說,如果是ROLLUP(A, B, C)的話,首先會對(A、B、C)進行GROUP BY,然后對(A、B)進行GROUP BY,然后是(A)進行GROUP BY,最后對全表進行GROUP BY操作。

    下面看看CUBE語句。

    SQL> select grouping(index_type) g_ind, grouping(status) g_st, index_type, status, count(*)
    2 from t group by cube(index_type, status) order by 1, 2;

    G_IND G_ST INDEX_TYPE STATUS COUNT(*)
    ---------- ---------- --------------------------- -------- ----------
    0 0 LOB VALID 51
    0 0 NORMAL N/A 25
    0 0 NORMAL VALID 479
    0 0 CLUSTER VALID 11
    0 1 LOB 51
    0 1 NORMAL 504
    0 1 CLUSTER 11
    1 0 N/A 25
    1 0 VALID 541
    1 1 566

    已選擇10行。

    ROLLUP相比,CUBE又增加了對STATUS列的GROUP BY統計。

    如果是GROUP BY CUBE(A, B, C),則首先會對(A、B、C)進行GROUP BY,然后依次是(A、B),(A、C),(A),(B、C),(B),(C),最后對全表進行GROUP BY操作。

    除了使用GROUPING函數,還可以使用GROUPING_ID來標識GROUP BY結果。

    SQL> select grouping_id(index_type, status) g_ind, index_type, status, count(*)
    2 from t group by rollup(index_type, status) order by 1;

    G_IND INDEX_TYPE STATUS COUNT(*)
    ---------- --------------------------- -------- ----------
    0 LOB VALID 51
    0 NORMAL N/A 25
    0 NORMAL VALID 479
    0 CLUSTER VALID 11
    1 LOB 51
    1 NORMAL 504
    1 CLUSTER 11
    3 566

    已選擇8行。

    SQL> select grouping_id(index_type, status) g_ind, index_type, status, count(*)
    2 from t group by cube(index_type, status) order by 1;

    G_IND INDEX_TYPE STATUS COUNT(*)
    ---------- --------------------------- -------- ----------
    0 LOB VALID 51
    0 NORMAL N/A 25
    0 NORMAL VALID 479
    0 CLUSTER VALID 11
    1 LOB 51
    1 NORMAL 504
    1 CLUSTER 11
    2 N/A 25
    2 VALID 541
    3 566

    已選擇10行。

    grouping_id()可以美化效果:

    select DECODE(GROUPING_ID(C1), 1, '合計', C1) D1,
    DECODE(GROUPING_ID(C1, C2), 1, '小計', C2) D2,
    DECODE(GROUPING_ID(C1, C2, C1 + C2), 1, '小計', C1 + C2) D3,
    count(*),
    GROUPING_ID(C1, C2, C1 + C2, C1 + 1, C2 + 1),
    GROUPING_ID(C1)
    from T2
    group by rollup(C1, C2, C1 + C2, C1 + 1, C2 + 1);

    ===========================================================

    1.報表合計專用的Rollup函數

    銷售報表

    廣州 1 2000

    廣州 2 2500

    廣州 4500

    深圳 1 1000

    深圳 2 2000

    深圳 3000

    所有地區 7500

    以往的查詢SQL:

    Select area,month,sum(money) from SaleOrder group by area,month

    然后廣州,深圳的合計和所有地區合計都需要在程序里自行累計

    1.其實可以使用如下SQL:

    Select area,month,sum(total_sale) from SaleOrder group by rollup(area,month)

    就能產生和報表一模一樣的紀錄

    2.如果year不想累加,可以寫成

    Select year,month,area,sum(total_sale) from SaleOrder group by year, rollup(month,area)

    另外Oracle 9i還支持如下語法:

    Select year,month,area,sum(total_sale) from SaleOrder group by rollup((year,month),area)

    3.如果使用Cube(area,month)而不是RollUp(area,month),除了獲得每個地區的合計之外,還將獲得每個月份的合計,在報表最后顯示。

    4.Grouping讓合計列更好讀

    RollUp在顯示廣州合計時,月份列為NULL,但更好的做法應該是顯示為"所有月份"

    Grouping就是用來判斷當前Column是否是一個合計列,1yes,然后用Decode把它轉為"所有月份"

    Select Decode(Grouping(area),1,'所有地區',area) area, Decode(Grouping(month),1,'所有月份',month), sum(money) From SaleOrder Group by RollUp(area,month);

    2.對多級層次查詢的start with.....connect by

    比如人員組織,產品類別,Oracle提供了很經典的方法

    SELECT LEVEL, name, emp_id,manager_emp_id FROM employee START WITH manager_emp_id is null CONNECT BY PRIOR emp_id = manager_emp_id;

    上面的語句demo了全部的應用,start with指明從哪里開始遍歷樹,如果從根開始,那么它的manager應該是Null,如果從某個職員開始,可以寫成emp_id='11'

    CONNECT BY 就是指明父子關系,注意PRIOR位置

    另外還有一個LEVEL,顯示節點的層次

    3.更多報表/分析決策功能

    3.1 分析功能的基本結構

    分析功能() over( partion子句,order by子句,窗口子句)

    概念上很難講清楚,還是用例子說話比較好.

    3.2 Row_Number Rank, DENSE_Rank

    用于選出Top 3 sales這樣的報表

    當兩個業務員可能有相同業績時,就要使用RankDense_Rank

    比如

    金額 RowNum Rank Dense_Rank

    張三 4000 1 1 1

    李四 3000 2 2 2

    錢五 2000 3 3 3

    孫六 2000 4 3 3

    丁七 1000 5 5 4

    這時,應該把并列第三的錢五和孫六都選進去,所以用Ranking功能比RowNumber保險.至于Desnse還是Ranking就看具體情況了。

    SELECT salesperson_id, SUM(tot_sales) sp_sales, RANK( ) OVER (ORDER BY SUM(tot_sales) DESC) sales_rank FROM orders GROUP BY salesperson_id

    3.3 NTILE 把紀錄平分成甲乙丙丁四等

    比如我想取得前25%的紀錄,或者把25%的紀錄當作同一個level平等對待,把另25%當作另一個Level平等對待

    SELECT cust_nbr, SUM(tot_sales) cust_sales, NTILE(4) OVER (ORDER BY SUM(tot_sales) DESC) sales_quartile FROM orders GROUP BY cust_nbr ORDER BY 3,2 DESC;

    NTITLE(4)把紀錄以 SUM(tot_sales)排序分成4.

    3.4 輔助分析列和Windows Function

    報表除了基本事實數據外,總希望旁邊多些全年總銷量,到目前為止的累計銷量,前后三個月的平均銷量這樣的列來參考.

    這種前后三個月的平均和到目前為止的累計銷量就叫windows function, 見下例

    SELECT month, SUM(tot_sales) monthly_sales, SUM(SUM(tot_sales)) OVER (ORDER BY month ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) max_preceeding FROM orders GROUP BY month ORDER BY month;

    SELECT month, SUM(tot_sales) monthly_sales, AVG(SUM(tot_sales)) OVER (ORDER BY month ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING) rolling_avg FROM orders GROUP BY month ORDER BY month;

    Windows Function的關鍵就是Windows子句的幾個取值

    1 PRECEDING 之前的一條記錄

    1 FOLLOWING 之后的一條記錄

    UNBOUNDED PRECEDING 之前的所有記錄

    CURRENT ROW 當前紀錄

    4.SubQuery總結

    SubQuery天天用了,理論上總結一下.SubQuery 分三種

    1.Noncorrelated 子查詢 最普通的樣式.

    2.Correlated Subqueries 把父查詢的列拉到子查詢里面去,頭一回cyt教我的時候理解了半天.

    3.Inline View 也被當成最普通的樣式用了.

    然后Noncorrelated 子查詢又有三種情況

    1.返回一行一列 where price < (select max(price) from goods )

    2.返回多行一列 where price>= ALL (select price from goods where type=2)

    or where NOT price< ANY(select price from goods where type=2)

    最常用的IN其實就是=ANY()

    3.返回多行多列 一次返回多列當然就節省了查詢時間

    UPDATE monthly_orders SET (tot_orders, max_order_amt) = (SELECT COUNT(*), MAX(sale_price) FROM cust_order) DELETE FROM line_item WHERE (order_nbr, part_nbr) IN (SELECT order_nbr, part_nbr FROM cust_order c)

    ========================================
    /*--------理解grouping sets
    select a, b, c, sum( d ) from t
    group by grouping sets ( a, b, c )

    等效于

    select * from (
    select a, null, null, sum( d ) from t group by a
    union all
    select null, b, null, sum( d ) from t group by b
    union all
    select null, null, c, sum( d ) from t group by c
    )
    */



    歡迎大家訪問我的個人網站 萌萌的IT人

    posted on 2007-05-18 10:48 見酒就暈 閱讀(170) 評論(0)  編輯  收藏 所屬分類: DB

    <2025年5月>
    27282930123
    45678910
    11121314151617
    18192021222324
    25262728293031
    1234567

    導航

    統計

    常用鏈接

    留言簿(3)

    我參與的團隊

    隨筆分類

    隨筆檔案

    文章分類

    文章檔案

    收藏夾

    BLOG

    FRIENDS

    LIFE

    搜索

    最新評論

    閱讀排行榜

    評論排行榜

    主站蜘蛛池模板: 精品久久久久成人码免费动漫| 99视频有精品视频免费观看| 无码中文字幕av免费放| 亚洲黄色片在线观看| 中文字幕天天躁日日躁狠狠躁免费| 亚洲欧洲日产国码无码久久99| 国产免费久久精品丫丫| 亚洲日本在线观看视频| 国产免费久久精品99久久| 久久精品国产亚洲网站| 无码中文字幕av免费放dvd| 亚洲福利秒拍一区二区| 成人A级毛片免费观看AV网站| 国产成人精品日本亚洲网址| 成年女人视频网站免费m| 国产亚洲一卡2卡3卡4卡新区| 国产无遮挡吃胸膜奶免费看视频| 国产精品亚洲一区二区三区| 亚洲精品和日本精品| 两个人看的www免费| 无码乱人伦一区二区亚洲一| 美丽的姑娘免费观看在线播放| 国产精品亚洲精品| 免费va在线观看| 99在线热播精品免费99热| 亚洲天堂中文资源| 午夜免费福利影院| 国产vA免费精品高清在线观看| 亚洲bt加勒比一区二区| 四虎成人免费网址在线| eeuss影院ss奇兵免费com| 亚洲va在线va天堂va不卡下载| 久久国产免费福利永久| 国产AV无码专区亚洲AV麻豆丫| 在线精品亚洲一区二区三区| 国产91免费视频| www免费插插视频| 亚洲国产成人手机在线电影bd| 又黄又爽的视频免费看| 久久精品国产大片免费观看| 亚洲暴爽av人人爽日日碰|