Oracle 中运用rollup和cube实现汇总运算

时间:2022-04-24
本文章向大家介绍Oracle 中运用rollup和cube实现汇总运算，主要内容包括其使用实例、应用技巧、基本知识点总结和需要注意事项，具有一定的参考价值，需要的朋友可以参考一下。

前言、看了很多的随笔博文内容都是关于rollup和cube的用法,发现一个问题,很多都是一样或者转载的,但这都不是重点,重点是,他们写的都太专业化了,直接给一个结论,并没有给出整个推理出这个结论的过程,个人感觉不太适合新手学习并使用这两个函数,下面我这篇随笔个人觉得比较适合新手学习和使用rollup和cube,里面没有什么"纬度"之类的关键字。下面开始!!!!!

一、group by  rollup函数解析

1、对于数据的汇总,是数据库经常用到的任务之一,本文讲的就是其中的一种rollup和cube实现数据汇总

2、实例讲解

CREATE TABLE TEST8
(    
   "ID" NUMBER,     
   "ORDERID" NUMBER, 
   "PRODUCTID" NUMBER, 
   "PRICE" NUMBER(10,2), 
   "QUANTITY" NUMBER
)
insert into TEST8 (ID, ORDERID, PRODUCTID, PRICE, QUANTITY) values (1, 1, 1, 3, 10);
insert into TEST8 (ID, ORDERID, PRODUCTID, PRICE, QUANTITY) values (2, 1, 2, 4, 5);
insert into TEST8 (ID, ORDERID, PRODUCTID, PRICE, QUANTITY) values (3, 1, 3, 10, 2);
insert into TEST8 (ID, ORDERID, PRODUCTID, PRICE, QUANTITY) values (4, 2, 1, 3, 6);
insert into TEST8 (ID, ORDERID, PRODUCTID, PRICE, QUANTITY) values (5, 2, 2, 4, 6);

以上是基础数据

i、现在我们有个需求,需要统计出每个订单的产品数量

(1)用group by的解决方法如下

select ORDERID,count(ID) as ordercount from test8 group by ORDERID;

(2)用rollup的解决方案如下:

select ORDERID,count(ID) as ordercount from test8 group by  rollup(ORDERID);

总结分析:我们来看使用rollup的结果集相较于group by多出了哪些结果

a、

发现使用rollup多做了一步select count(*) from test8的操作

ii、需求改变,现在需要求出每个订单下每个产品的订单数

(1)group by解决方法:

select ORDERID,productid,count(ID) as ordercount from test8 group by ORDERID,productid order by orderid;

(2)rollup解决方案:

select nvl(TO_CHAR(ORDERID),'null') ORDERID,nvl(TO_CHAR(productid),'null') productid,count(id) as ordercount from test8 group by rollup(ORDERID,productid) order by orderid;

总结分析:和i中的一样分析,我们来看使用rollup的结果集相较于group by多出了哪些结果

a、

和i一样,使用rollup对整个表进行了count(*)操作

b、

和i不同的是:通过和group by比较发现使用rollup语句,其多做了一步group by(orderid)的操作

iii、需求改变,又变复杂了,我们需要统计出不同价格产品的订单情况,这里问题有点抽象,实在不理解可以看下面的代码:

(1)group by解决方案

select orderid,productid,price,count(ID),sum(price*quantity) as total from test8 
group by orderid,productid,price order by ORDERID

(2)rollup解决方案

select orderid,nvl(TO_CHAR(productid),'null') productid,nvl(TO_CHAR(price),'null') price ,count(ID),sum(price*quantity) as total from test8 
group by rollup(orderid,productid,price) order by ORDERID;

结果分析:观察这次的结果，相比上面的结果多出了什么结果记录

a、

和上面的一样,多出了select count(*) from test8

b、

和ii,使用rollup多做了一步group by(orderid)

c、

使用rollup,其多做了一步group by(orderid,productid)

做到这一步,有了个怎样的猜想,于试之,代码如下:

select null orderid,null productid,null price,count(*),sum(price*quantity) from test8
UNION
select orderid,null productid,null price,count(id),sum(price*quantity) from test8 group by(orderid) 
UNION
select orderid,productid,null price,count(id),sum(price*quantity)  from test8 group by(orderid,productid)
UNION　
select orderid,productid,price,count(id),sum(price*quantity) from test8 group by(orderid,productid,price)

 发现和上面使用rollup的语句所实现的结果集一模一样!

3、使用rollup的总结

通过3的实例,大致可以得出以下的结论

select orderId,productID,price,count(*)  from Test8 group by  rollup(orderId,productID,price) 

等同于

select null orderId,null productID,null price,count(*) from Test8 

UNION

select orderId,null productID,null price,count(*) from Test8 group by(orderId)

UNION

select orderId,productID,null price,count(*) from Test8 group by(orderId,productID)

UNION 

select orderId,productID,price,count(*) from Test8 group by(orderId,productID,price)

优点:减少代码量,目前我只知道这个！！！哈哈

二、group by cube  函数解析               group by cube也是一样的分析方法,分析使用group by cube的数据和group by之间的差别.

i、现在我们有个需求,需要统计出每个订单的产品数量

(1)group by处理

select orderid,count(orderid) ordercount from test8 group by orderid  order by orderid

(2)group by cube

select orderid,count(orderid) ordercount from test8 group by cube(orderid) order by orderid;

结果分析:观察这次的结果，相比group by和group by cube间的结果差异

a、

和group  by相比group by cube多了一次select count(*)操作

 ii、需求改变,现在需要求出每个订单下每个产品的订单数

(1)group by处理

select orderid,productid,count(orderid) ordercount from test8 group by orderid,productid order by orderid;

(2)group by cube

结果分析:观察这次的结果，相比group by和group by cube间的结果差异

a、

group by cube 多了一次count(*) 操作

b、

group by cube 多了一次select orderid,count(orderid) from test8 group by orderid

c、

group by cube多了一次select null orderid,productid,count(productid) productcount from test8 group by productid order by productid;

iii、需求改变,又变复杂了,我们需要统计出不同价格产品的订单情况,这里问题有点抽象,实在不理解可以看下面的代码:

select orderid,productid,price,count(orderid) ordercount from test8 group by orderid,productid,price order by orderid;

根据上面的总结分析,下面来推测结果

a、推测结果

select orderid,productid,CAST(price AS NUMBER (10, 2))  from 
(select  null orderid,null productid,null price,count(*) from test8   --1、做一次总定订单数的统计
UNION 
select orderid,null productid,null price,count(orderid) from test8 group by orderid   --2、按照订单id进行分组统计
UNION 
select null orderid,productid,null price,count(orderid) from test8 group by productid   --3、按照产品id进行分组统计
UNION
select null orderid,null productid,price,count(orderid) from test8 group by price   --4、按照产品价格进行分组统计 
UNION
select orderid,productid,null price,count(orderid) from test8 group by orderid,productid   --5、按照订单id和产品id进行统计
UNION
select orderid,null productid,price,count(orderid) from test8 group by orderid,price   --6、按照订单id和产品价格进行统计
UNION
select null orderid,productid,price,count(orderid) from test8 group by productid,price   --7、按照产品id和产品价格进行统计
UNION 
select  orderid,productid,price,count(orderid) from test8 group by orderid,productid,price)  --8、按照订单id和产品id和产品价格进行统计

b、使用group by cube

select orderid,productid,price,count(orderid) ordercount from test8 group by cube(orderid,productid,price) order by orderid;

ok、推论正确

三、终极总结

1、关于group by rollup和group by cube这两个方法玩到现在,下面是个人觉得的优点:

a、减少代码量   这点毋庸置疑,完成同样的报表统计使用UNION要多太多代码了,如果报表足够大,使用UNION的话,我反正无法想象得些多少代码

b、适合进行报表分析

暂时就知道这两个!!!智商有限!!!

2、关于这两个方法的不同点

a、

GROUP BY ROLLUP(A,B,C),看这条语句怎么做的group by(a)  union group by(a,b)    union group by(a,b,c) 也就是a----a,b-------a,b,c  

b、

在看GROUP BY CUBE(A,B,C),在看这条语句是怎么做的group by(a) union group by(b) union group by(c) union group by(a,b) union group by(a,c) union group by(b,c)

union group by(a,b,c) 这个很强大,它会对cube()内部的字段的每一种情况都进行group by统计,有点类似选择排序,但是rollup只会进行线性的比较

3、相同点

都会进行select count(*)的操作,也就是全表的数量检索

随机文章
本站知识点必读
最近更新