HQL聚集計算之進階篇

HQL聚集函數(shù)可以使用GROUPING SETS, CUBE, 和ROLLUP等關(guān)鍵詞雏亚。

  1. GROUPING SETS
    該子句等同于GROUP BY子句和UNION ALL子句一起組合使用宿崭。另外該子句是在單一階段一次性完成相關(guān)處理,效率相對更高爷辙。GROUPING SETS這個子句后是空集合的話沪斟,會計算整體聚集静檬。GROUPING SETS這個子句后()之外的部分帘营,用于確定 UNION ALL的執(zhí)行方式和個數(shù);()之內(nèi)的部分翩活,用于確定GROUP BY的執(zhí)行方式阱洪。
    例1.1 一個元素:一個兩列組合
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 兩個元素:兩個列

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 兩個元素:一個兩列組合便贵,一個列

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 四個元素:兩列的所有排列組合

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層級的聚集計算,這里n為參與分組的列的個數(shù)冗荸。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次方個層級的聚集計算嫉沽,這里n為參與分組的列的個數(shù),這個層級數(shù)為n個元素所有組合數(shù)俏竞。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 函數(shù)
    GROUPING__ID函數(shù)堂竟,無需輸入?yún)?shù)魂毁,返回值用來標(biāo)識用于聚集計算的層次,這個值是GROUP BY后具體列組合的位向量的數(shù)字值出嘹。具有相同GROUP BY后具體列組合的行席楚,該函數(shù)返回相同的數(shù)字ID。
    GROUPING函數(shù)用于判斷某列是否包含在當(dāng)前行的聚集計算(也即是否包含在該行的GROUP BY之后)税稼。0烦秩,指不包含在GROUP BY之后的列中;1郎仆,指包含在GROUP BY之后的列中只祠。請看以下示例,
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)
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末扰肌,一起剝皮案震驚了整個濱河市抛寝,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌曙旭,老刑警劉巖盗舰,帶你破解...
    沈念sama閱讀 222,104評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異桂躏,居然都是意外死亡钻趋,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,816評論 3 399
  • 文/潘曉璐 我一進店門剂习,熙熙樓的掌柜王于貴愁眉苦臉地迎上來蛮位,“玉大人,你說我怎么就攤上這事鳞绕⊥林粒” “怎么了?”我有些...
    開封第一講書人閱讀 168,697評論 0 360
  • 文/不壞的土叔 我叫張陵猾昆,是天一觀的道長陶因。 經(jīng)常有香客問我,道長垂蜗,這世上最難降的妖魔是什么楷扬? 我笑而不...
    開封第一講書人閱讀 59,836評論 1 298
  • 正文 為了忘掉前任解幽,我火速辦了婚禮,結(jié)果婚禮上烘苹,老公的妹妹穿的比我還像新娘躲株。我一直安慰自己,他們只是感情好镣衡,可當(dāng)我...
    茶點故事閱讀 68,851評論 6 397
  • 文/花漫 我一把揭開白布霜定。 她就那樣靜靜地躺著,像睡著了一般廊鸥。 火紅的嫁衣襯著肌膚如雪望浩。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,441評論 1 310
  • 那天惰说,我揣著相機與錄音磨德,去河邊找鬼。 笑死吆视,一個胖子當(dāng)著我的面吹牛典挑,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播啦吧,決...
    沈念sama閱讀 40,992評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼您觉,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了授滓?” 一聲冷哼從身側(cè)響起顾犹,我...
    開封第一講書人閱讀 39,899評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎褒墨,沒想到半個月后炫刷,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,457評論 1 318
  • 正文 獨居荒郊野嶺守林人離奇死亡郁妈,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,529評論 3 341
  • 正文 我和宋清朗相戀三年浑玛,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片噩咪。...
    茶點故事閱讀 40,664評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡顾彰,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出胃碾,到底是詐尸還是另有隱情涨享,我是刑警寧澤,帶...
    沈念sama閱讀 36,346評論 5 350
  • 正文 年R本政府宣布仆百,位于F島的核電站厕隧,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜吁讨,卻給世界環(huán)境...
    茶點故事閱讀 42,025評論 3 334
  • 文/蒙蒙 一髓迎、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧建丧,春花似錦排龄、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,511評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至拴曲,卻和暖如春争舞,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背疗韵。 一陣腳步聲響...
    開封第一講書人閱讀 33,611評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留侄非,地道東北人蕉汪。 一個月前我還...
    沈念sama閱讀 49,081評論 3 377
  • 正文 我出身青樓,卻偏偏與公主長得像逞怨,于是被迫代替她去往敵國和親者疤。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,675評論 2 359

推薦閱讀更多精彩內(nèi)容