聚集函数:GROUPING 用于汇总数据用的运算符: ROLLUP 1.用 CUBE 汇总数据 CUBE 运算符生成的结果集是多维数据集。多维数据集是事实数据的扩展,事实数据即记录个别事件的数据。扩展建立在用户打算分析的列上。这些列被称为维。多维数据集是一个结果集,其中包
聚集函数:GROUPING
用于汇总数据用的运算符: ROLLUP
1.用 CUBE 汇总数据
CUBE 运算符生成的结果集是多维数据集。多维数据集是事实数据的扩展,事实数据即记录个别事件的数据。扩展建立在用户打算分析的列上。这些列被称为维。多维数据集是一个结果集,其中包含了各维度的所有可能组合的交叉表格。
CUBE 运算符在 SELECT 语句的 GROUP BY 子句中指定。该语句的选择列表应包含维度列和聚合函数表达式。GROUP BY 应指定维度列和关键字 WITH CUBE。结果集将包含维度列中各值的所有可能组合,以及与这些维度值组合相匹配的基础行中的聚合值。
例如,一个简单的表 Inventory 中包含:
Item Color Quantity
-------------------- -------------------- --------------------------
Table Blue 124
Table Red 223
Chair Blue 101
Chair Red 210
我们先来准备测试表和数据
<span>IF</span> <span>object_id</span>(N<span>'</span><span>Inventory</span><span>'</span>,N<span>'</span><span>U</span><span>'</span>) <span>IS</span> <span>NOT</span> <span>NULL</span> <span>DROP</span> <span>TABLE</span><span> Inventory </span><span>CREATE</span> <span>TABLE</span><span> Inventory ( Item </span><span>varchar</span>(<span>255</span><span>), Color </span><span>varchar</span>(<span>255</span><span>), Quantity </span><span>decimal</span>(<span>18</span>,<span>8</span><span>) ) </span><span>--</span><span>插入数据</span> <span>INSERT</span> <span>INTO</span><span> Inventory </span><span>SELECT</span> <span>'</span><span>Chair</span><span>'</span>,<span>'</span><span>Blue</span><span>'</span>,<span>101.00</span> <span>UNION</span> <span>ALL</span> <span>SELECT</span> <span>'</span><span>Chair</span><span>'</span>, <span>'</span><span>Red</span><span>'</span>,<span>210.00</span> <span>UNION</span> <span>ALL</span> <span>SELECT</span> <span>'</span><span>Table</span><span>'</span>,<span>'</span><span>Blue</span><span>'</span>,<span>124.00</span> <span>UNION</span> <span>ALL</span> <span>SELECT</span> <span>'</span><span>Table</span><span>'</span>,<span>'</span><span>Red</span><span>'</span>,<span>223.00</span>
下列查询返回的结果集中,将包含 Item 和 Color 的所有可能组合的 Quantity 小计:
<span>SELECT</span> Item, Color, <span>SUM</span>(Quantity) <span>AS</span><span> QtySum </span><span>FROM</span><span> Inventory </span><span>GROUP</span> <span>BY</span> Item, Color <span>WITH</span> CUBE
下面是结果集:
Item Color QtySum
-------------------- -------------------- --------------------------
Chair Blue 101.00
Chair Red 210.00
Chair (null) 311.00
Table Blue 124.00
Table Red 223.00
Table (null) 347.00
(null) (null) 658.00
(null) Blue 225.00
(null) Red 433.00
我们着重考查下列各行:
Chair (null) 311.00
这一行报告了 Item 维度中值为 Chair 的所有行的小计。对 Color 维度返回了 NULL 值,表示该行所报告的聚合包括 Color 维度为任意值的行。
Table (null) 347.00
这一行类似,但报告的是 Item 维度中值为 Table 的所有行的小计。
(null) (null) 658.00
这一行报告了多维数据集的总计。Item 和 Color 维度的值都是 NULL,表示两个维度中的所有值都汇总在该行中。
(null) Blue 225.00
(null) Red 433.00
这两行报告了 Color 维度的小计。两行中的 Item 维度值都是 NULL,表示聚合数据来自 Item 维度为任意值的行。
使用 GROUPING 区分空值
CUBE 操作所生成的空值带来一个问题:如何区分 CUBE 操作所生成的 NULL 值和从实际数据中返回的 NULL 值?这个问题可用 GROUPING 函数解决。如果列中的值来自事实数据,则 GROUPING 函数返回 0;如果列中的值是 CUBE 操作所生成的 NULL,则返回 1。在 CUBE 操作中,所生成的 NULL 代表全体值。可将 SELECT 语句写成使用 GROUPING 函数将所生成的 NULL 替换为字符串 ALL。因为事实数据中的 NULL 表明数据值未知,所以 SELECT 语句还可译码为返回字符串 UNKNOWN 替代来自事实数据的 NULL。例如:
<span>SELECT</span> <span>CASE</span> <span>WHEN</span> (<span>GROUPING</span>(Item) <span>=</span> <span>1</span>) <span>THEN</span> <span>'</span><span>ALL</span><span>'</span> <span>ELSE</span> <span>ISNULL</span>(Item, <span>'</span><span>UNKNOWN</span><span>'</span><span>) </span><span>END</span> <span>AS</span><span> Item, </span><span>CASE</span> <span>WHEN</span> (<span>GROUPING</span>(Color) <span>=</span> <span>1</span>) <span>THEN</span> <span>'</span><span>ALL</span><span>'</span> <span>ELSE</span> <span>ISNULL</span>(Color, <span>'</span><span>UNKNOWN</span><span>'</span><span>) </span><span>END</span> <span>AS</span><span> Color, </span><span>SUM</span>(Quantity) <span>AS</span><span> QtySum </span><span>FROM</span><span> Inventory </span><span>GROUP</span> <span>BY</span> Item, Color <span>WITH</span> CUBE
--小小的解释一下,如果GROUPING(Item)如果是有值,那么GROUPING(Item)=0,那么这一整段都不会执行,那么程序将继续往下走,来到SUM(Quantity) AS QtySum这里,所以查出的结果也是有值的,所以值并不是ALL,ALL是当为Null的时候,也就是某一字段全部SUM的时候,明白了吗?这里我也花了一点时间才理解透,其实都很简单的--
多维数据集
CUBE 运算符可用于生成 n 维的多维数据集,即具有任意数目维度的多维数据集。只有一个维度的多维数据集可用于生成合计,例如:
<span>SELECT</span> <span>CASE</span> <span>WHEN</span> (<span>GROUPING</span>(Item) <span>=</span> <span>1</span>) <span>THEN</span> <span>'</span><span>ALL</span><span>'</span> <span>ELSE</span> <span>ISNULL</span>(Item, <span>'</span><span>UNKNOWN</span><span>'</span><span>) </span><span>END</span> <span>AS</span><span> Item, </span><span>SUM</span>(Quantity) <span>AS</span><span> QtySum </span><span>FROM</span><span> Inventory </span><span>GROUP</span> <span>BY</span> Item <span>WITH</span><span> CUBE </span><span>GO</span>
此 SELECT 语句返回的结果集既显示了 Item 中每个值的小计,也显示了 Item 中所有值的总计:
Item QtySum
-------------------- --------------------------
Chair 311.00
Table 347.00
ALL 658.00
包含带有许多维度的 CUBE 的 SELECT 语句可能生成很大的结果集,因为这些语句会为所有维度中值的所有组合生成行。这些大结果集包含的数据可能过多而不易于阅读和理解。这个问题有一种解决办法是将 SELECT 语句放在视图中:
CREATE VIEW InvCube AS <span>SELECT</span> <span>CASE</span> <span>WHEN</span> (<span>GROUPING</span>(Item) <span>=</span> <span>1</span>) <span>THEN</span> <span>'</span><span>ALL</span><span>'</span> <span>ELSE</span> <span>ISNULL</span>(Item, <span>'</span><span>UNKNOWN</span><span>'</span><span>) </span><span>END</span> <span>AS</span><span> Item, </span><span>CASE</span> <span>WHEN</span> (<span>GROUPING</span>(Color) <span>=</span> <span>1</span>) <span>THEN</span> <span>'</span><span>ALL</span><span>'</span> <span>ELSE</span> <span>ISNULL</span>(Color, <span>'</span><span>UNKNOWN</span><span>'</span><span>) </span><span>END</span> <span>AS</span><span> Color, </span><span>SUM</span>(Quantity) <span>AS</span><span> QtySum </span><span>FROM</span><span> Inventory </span><span>GROUP</span> <span>BY</span> Item, Color <span>WITH</span> CUBE
然后即可用该视图来只查询您感兴趣的维度值:
<span>SELECT</span> <span>*</span> <span>FROM</span><span> InvCube </span><span>WHERE</span> Item <span>=</span> <span>'</span><span>Chair</span><span>'</span> <span>AND</span> Color <span>=</span> <span>'</span><span>ALL</span><span>'</span>
Item Color QtySum
-------------------- -------------------- --------------------------
Chair ALL 311.00
(1 row(s) affected)
2.用 ROLLUP 汇总数据
在生成包含小计和合计的报表时,ROLLUP 运算符很有用。ROLLUP 运算符生成的结果集类似于 CUBE 运算符所生成的结果集。有关更多信息.
CUBE 和 ROLLUP 之间的区别在于:
- CUBE 生成的结果集显示了所选列中值的所有组合的聚合。
- ROLLUP 生成的结果集显示了所选列中值的某一层次结构的聚合。
例如,简单表 Inventory 中包含:
Item Color Quantity
-------------------- -------------------- --------------------------
Table Blue 124
Table Red 223
Chair Blue 101
Chair Red 210
下列查询将生成小计报表:
<span>SELECT</span> <span>CASE</span> <span>WHEN</span> (<span>GROUPING</span>(Item) <span>=</span> <span>1</span>) <span>THEN</span> <span>'</span><span>ALL</span><span>'</span> <span>ELSE</span> <span>ISNULL</span>(Item, <span>'</span><span>UNKNOWN</span><span>'</span><span>) </span><span>END</span> <span>AS</span><span> Item, </span><span>CASE</span> <span>WHEN</span> (<span>GROUPING</span>(Color) <span>=</span> <span>1</span>) <span>THEN</span> <span>'</span><span>ALL</span><span>'</span> <span>ELSE</span> <span>ISNULL</span>(Color, <span>'</span><span>UNKNOWN</span><span>'</span><span>) </span><span>END</span> <span>AS</span><span> Color, </span><span>SUM</span>(Quantity) <span>AS</span><span> QtySum </span><span>FROM</span><span> Inventory </span><span>GROUP</span> <span>BY</span> Item, Color <span>WITH</span> ROLLUP
Item Color QtySum
-------------------- -------------------- --------------------------
Chair Blue 101.00
Chair Red 210.00
Chair ALL 311.00
Table Blue 124.00
Table Red 223.00
Table ALL 347.00
ALL ALL 658.00
(7 row(s) affected)
如果查询中的 ROLLUP 关键字更改为 CUBE,那么 CUBE 结果集与上述结果相同,只是在结果集的末尾还会返回下列两行:
ALL Blue 225.00
ALL Red 433.00
CUBE 操作为 Item 和 Color 中值的可能组合生成行。例如,CUBE 不仅报告与 Item 值 Chair 相组合的 Color 值的所有可能组合(Red、Blue 和 Red + Blue),而且报告与 Color 值 Red 相组合的 Item 值的所有可能组合(Chair、Table 和 Chair + Table)。
对于 GROUP BY 子句中右边的列中的每个值,ROLLUP 操作并不报告左边一列(或左边各列)中值的所有可能组合。例如,ROLLUP 并不对每个 Color 值报告 Item 值的所有可能组合。
ROLLUP 操作的结果集具有类似于 COMPUTE BY 所返回结果集的功能;然而,ROLLUP 具有下列优点:
- ROLLUP 返回单个结果集;COMPUTE BY 返回多个结果集,而多个结果集会增加应用程序代码的复杂性。
- ROLLUP 可以在服务器游标中使用;COMPUTE BY 不可以。
- 有时,查询优化器为 ROLLUP 生成的执行计划比为 COMPUTE BY 生成的更为高效。
3.GROUPING
是一个聚合函数,它产生一个附加的列,当用 CUBE 或 ROLLUP 运算符添加行时,附加的列输出值为1,当所添加的行不是由 CUBE 或 ROLLUP 产生时,附加列值为0。
仅在与包含 CUBE 或 ROLLUP 运算符的 GROUP BY 子句相联系的选择列表中才允许分组。
语法
GROUPING ( column_name )
参数
column_name
是 GROUP BY 子句中用于检查 CUBE 或 ROLLUP 空值的列。
返回类型
int
注释
分组用于区分由 CUBE 和 ROLLUP 返回的空值和标准的空值。作为CUBE 或 ROLLUP 操作结果返回的 NULL 是 NULL 的特殊应用。它在结果集内作为列的占位符,意思是"全体"。
示例
下面的示例将 royalty 的数值分组,并聚合 advance 的数值。GROUPING 函数应用于 royalty 列。
<span>USE</span><span> pubs </span><span>SELECT</span> royalty, <span>SUM</span>(advance) <span>'</span><span>total advance</span><span>'</span><span>, </span><span>GROUPING</span>(royalty) <span>'</span><span>grp</span><span>'</span> <span>FROM</span><span> titles </span><span>GROUP</span> <span>BY</span> royalty <span>WITH</span> ROLLUP
结果集在 royalty 下显示两个空值。第一个 NULL 代表从表中这一列得到的空值组。第二个 NULL 在 ROLLUP 操作所添加的汇总行中。汇总行显示的是所有 royalty 组的 advance 合计数值,并且在 grp 列中用 1 标识。
下面是结果集:
royalty total advance grp
--------- --------------------- ---
NULL NULL 0
10 57000.0000 0
12 2275.0000 0
14 4000.0000 0
16 7000.0000 0
24 25125.0000 0
NULL 95400.0000 1

Peranan utama MySQL dalam aplikasi web adalah untuk menyimpan dan mengurus data. 1.MYSQL dengan cekap memproses maklumat pengguna, katalog produk, rekod urus niaga dan data lain. 2. Melalui pertanyaan SQL, pemaju boleh mengekstrak maklumat dari pangkalan data untuk menghasilkan kandungan dinamik. 3.MYSQL berfungsi berdasarkan model klien-pelayan untuk memastikan kelajuan pertanyaan yang boleh diterima.

Langkah -langkah untuk membina pangkalan data MySQL termasuk: 1. Buat pangkalan data dan jadual, 2. Masukkan data, dan 3. Pertama, gunakan pernyataan CreatedataBase dan createtable untuk membuat pangkalan data dan jadual, kemudian gunakan pernyataan InsertInto untuk memasukkan data, dan akhirnya gunakan pernyataan PILIH untuk menanyakan data.

MySQL sesuai untuk pemula kerana mudah digunakan dan berkuasa. 1.MYSQL adalah pangkalan data relasi, dan menggunakan SQL untuk operasi CRUD. 2. Ia mudah dipasang dan memerlukan kata laluan pengguna root untuk dikonfigurasi. 3. Gunakan Masukkan, Kemas kini, Padam, dan Pilih untuk Melaksanakan Operasi Data. 4. Orderby, di mana dan menyertai boleh digunakan untuk pertanyaan yang kompleks. 5. Debugging memerlukan memeriksa sintaks dan gunakan Jelaskan untuk menganalisis pertanyaan. 6. Cadangan pengoptimuman termasuk menggunakan indeks, memilih jenis data yang betul dan tabiat pengaturcaraan yang baik.

MySQL sesuai untuk pemula kerana: 1) mudah dipasang dan mengkonfigurasi, 2) sumber pembelajaran yang kaya, 3) sintaks SQL intuitif, 4) sokongan alat yang kuat. Walau bagaimanapun, pemula perlu mengatasi cabaran seperti reka bentuk pangkalan data, pengoptimuman pertanyaan, pengurusan keselamatan, dan sandaran data.

Ya, sqlisaprogramminglanguagespecializedfordatamanagement.1) it'sdeclarative, focusingonwhathattoachieverthanhan.2) sqlisesessentialforquerying, memasukkan, mengemas kini, dandeleletingdatainrelationaldatabases.3)

Atribut asid termasuk atom, konsistensi, pengasingan dan ketahanan, dan merupakan asas reka bentuk pangkalan data. 1. Atomicity memastikan bahawa urus niaga sama ada berjaya atau gagal sepenuhnya. 2. Konsistensi memastikan pangkalan data tetap konsisten sebelum dan selepas transaksi. 3. Pengasingan memastikan bahawa urus niaga tidak mengganggu satu sama lain. 4. Kegigihan memastikan data disimpan secara kekal selepas penyerahan transaksi.

MySQL bukan sahaja sistem pengurusan pangkalan data (DBMS) tetapi juga berkait rapat dengan bahasa pengaturcaraan. 1) Sebagai DBMS, MySQL digunakan untuk menyimpan, menyusun dan mengambil data, dan mengoptimumkan indeks dapat meningkatkan prestasi pertanyaan. 2) Menggabungkan SQL dengan bahasa pengaturcaraan, tertanam dalam Python, menggunakan alat ORM seperti SQLalChemy dapat memudahkan operasi. 3) Pengoptimuman prestasi termasuk pengindeksan, pertanyaan, caching, perpustakaan dan bahagian meja dan pengurusan transaksi.

MySQL menggunakan arahan SQL untuk menguruskan data. 1. Perintah asas termasuk pilih, masukkan, kemas kini dan padam. 2. Penggunaan lanjutan melibatkan fungsi gabungan, subquery dan agregat. 3. Kesilapan umum termasuk isu sintaks, logik dan prestasi. 4. Petua Pengoptimuman termasuk menggunakan indeks, mengelakkan Pilih* dan menggunakan had.


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

Muat turun versi mac editor Atom
Editor sumber terbuka yang paling popular

Penyesuai Pelayan SAP NetWeaver untuk Eclipse
Integrasikan Eclipse dengan pelayan aplikasi SAP NetWeaver.

SecLists
SecLists ialah rakan penguji keselamatan muktamad. Ia ialah koleksi pelbagai jenis senarai yang kerap digunakan semasa penilaian keselamatan, semuanya di satu tempat. SecLists membantu menjadikan ujian keselamatan lebih cekap dan produktif dengan menyediakan semua senarai yang mungkin diperlukan oleh penguji keselamatan dengan mudah. Jenis senarai termasuk nama pengguna, kata laluan, URL, muatan kabur, corak data sensitif, cangkerang web dan banyak lagi. Penguji hanya boleh menarik repositori ini ke mesin ujian baharu dan dia akan mempunyai akses kepada setiap jenis senarai yang dia perlukan.

VSCode Windows 64-bit Muat Turun
Editor IDE percuma dan berkuasa yang dilancarkan oleh Microsoft