sql中GROUPING的作用是什么

sql中GROUPING用于区分标准空值和由 ROLLUP、CUBE 或 GROUPING SETS 返回的空值。作为 ROLLUP、CUBE 或 GROUPING SETS *** 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，表示全体。

扩展资料：

grouping sets是等价于带union all的group by子句，之所以是等价而不是等于，是因为它们的顺序不一样。grouping sets并不只是group by的语法糖，这两者内部的执行过程也是全然不同的，性能方面grouping sets能减少IO *** 作但会增加CPU占用时间。

另外在grouping sets中如果将括号中的参数换个位置那么结果也将改变，这说明结果集中的顺序与参数的位置也有关。

语法SELECT 字段表 FROM 表 WHERE标准 [GROUP BY 分组字段表]Group by 是SQL Server 中常用的一种语法，语法如下：[ GROUP BY [ ALL ] group_by_expression [ ,n ] [ WITH { CUBE | ROLLUP } ]]

1、最常用的就是这种语法，如下：Select CategoryID, AVG(UnitPrice), COUNT(UnitPrice) FROM dboProducts Where UnitPrice > 30GROUP BY CategoryID ORDER BY CategoryID DESC这个语句查询出，所有产品分类的产品平均单价，单价计数。并且单价在 30 以上的记录。

2、再看看这种语法，如下：Select CategoryID, AVG(DISTINCT UnitPrice), COUNT(DISTINCT UnitPrice) FROM dboProducts Where UnitPrice > 30GROUP BY CategoryID ORDER BY CategoryID DESC使用 DISTINCT 的时候，将会去除重复的价格平均单价。

3、如果希望在分类统计之后，再使用条件过滤，下面的语句可以做为参数：Select CategoryID, SUM(UnitPrice) AS SumPriceFROM dboProductsGROUP BY CategoryIDHAVING SUM(UnitPrice) > 300HAVING 与 Where 语句类似，Where 是在分类之前过滤，而 HAVING 是在分类之后过滤。它和 Where 一样使用 AND、OR、NOT、LIKE 组合使用。

4、如果希望再在分类统计中，添加汇总行，可以使用以下语句：Select CategoryID, SUM(UnitPrice), GROUPING(CategoryID) AS 'Grouping'FROM dboProductsGROUP BY CategoryID WITH ROLLUPGrouping 这一列用于标识出哪一行是汇总行。它使用 ROLLUP *** 作添加汇总行。

5、如果使用 WITH CUBE 将会产生一个多维分类数据集，如下：Select CategoryID, SupplierID, SUM(UnitPrice) AS SumPriceFROM dboProductsGROUP BY CategoryID, SupplierID WITH CUBE 它会产生一个交叉表，产生所有可能的组合汇总。

6、使用 ROLLUP CUBE 会产生一个 NULL 空值，可以使用以下语法解决，如下：Select CASE WHEN (GROUPING(SupplierID) = 1) THEN '-1' ELSE SupplierID END AS SupplierID, SUM(UnitPrice) AS QtySumFROM dboProductsGROUP BY SupplierID WITH CUBE

它首先检查当前行是否为汇总行，如果是就可以设置一个值，这里设置为 '-1' 。

1先看一下ROLLUP的数据统计效果

1）创建测试表group_test

SECOOLER@ora11g> create table group_test (group_id int, job varchar2(10), name varchar2(10), salary int);

Table created

2）初始化数据

insert into group_test values (10,'Coding', 'Bruce',1000);

insert into group_test values (10,'Programmer','Clair',1000);

insert into group_test values (10,'Architect', 'Gideon',1000);

insert into group_test values (10,'Director', 'Hill',1000);

insert into group_test values (20,'Coding', 'Jason',2000);

insert into group_test values (20,'Programmer','Joey',2000);

insert into group_test values (20,'Architect', 'Martin',2000);

insert into group_test values (20,'Director', 'Michael',2000);

insert into group_test values (30,'Coding', 'Rebecca',3000);

insert into group_test values (30,'Programmer','Rex',3000);

insert into group_test values (30,'Architect', 'Richard',3000);

insert into group_test values (30,'Director', 'Sabrina',3000);

insert into group_test values (40,'Coding', 'Samuel',4000);

insert into group_test values (40,'Programmer','Susy',4000);

insert into group_test values (40,'Architect', 'Tina',4000);

insert into group_test values (40,'Director', 'Wendy',4000);

commit;

3）初始化之后的数据情况如下：

SECOOLER@ora11g> set pages 100

SECOOLER@ora11g> select from group_test;

GROUP_ID JOB NAME SALARY

---------- ---------- ---------- ----------

10 Coding Bruce 1000

10 Programmer Clair 1000

10 Architect Gideon 1000

10 Director Hill 1000

20 Coding Jason 2000

20 Programmer Joey 2000

20 Architect Martin 2000

20 Director Michael 2000

30 Coding Rebecca 3000

30 Programmer Rex 3000

30 Architect Richard 3000

30 Director Sabrina 3000

40 Coding Samuel 4000

40 Programmer Susy 4000

40 Architect Tina 4000

40 Director Wendy 4000

16 rows selected

4）ROLLUP的数据统计效果

sec@ora10g> select group_id,job,grouping(GROUP_ID),grouping(JOB),sum(salary) from group_test group by rollup(group_id, job);

GROUP_ID JOB GROUPING(GROUP_ID) GROUPING(JOB) SUM(SALARY)

---------- ---------- ------------------ ------------- -----------

10 Coding 0 0 1000

10 Director 0 0 1000

10 Architect 0 0 1000

10 Programmer 0 0 1000

10 0 1 4000

20 Coding 0 0 2000

20 Director 0 0 2000

20 Architect 0 0 2000

20 Programmer 0 0 2000

20 0 1 8000

30 Coding 0 0 3000

30 Director 0 0 3000

30 Architect 0 0 3000

30 Programmer 0 0 3000

30 0 1 12000

40 Coding 0 0 4000

40 Director 0 0 4000

40 Architect 0 0 4000

40 Programmer 0 0 4000

40 0 1 16000

1 1 40000

21 rows selected

2进一步体验CUBE的魅力

sec@ora10g> select group_id,job,grouping(GROUP_ID),grouping(JOB),sum(salary) from group_test group by cube(group_id, job) order by 1;

GROUP_ID JOB GROUPING(GROUP_ID) GROUPING(JOB) SUM(SALARY)

---------- ---------- ------------------ ------------- -----------

10 Architect 0 0 1000

10 Coding 0 0 1000

10 Director 0 0 1000

10 Programmer 0 0 1000

10 0 1 4000

20 Architect 0 0 2000

20 Coding 0 0 2000

20 Director 0 0 2000

20 Programmer 0 0 2000

20 0 1 8000

30 Architect 0 0 3000

30 Coding 0 0 3000

30 Director 0 0 3000

30 Programmer 0 0 3000

30 0 1 12000

40 Architect 0 0 4000

40 Coding 0 0 4000

40 Director 0 0 4000

40 Programmer 0 0 4000

40 0 1 16000

Architect 1 0 10000

Coding 1 0 10000

Director 1 0 10000

Programmer 1 0 10000

1 1 40000

25 rows selected

解释如上结果中GROUPING函数返回值“0”和“1”的含义。

如果显示“1”表示CUBE函数对应的列（例如JOB字段）是由于CUBE函数所产生的空值对应的信息，即对此列进行汇总计算后的结果。

如果显示“0”表示此行对应的这列参未与ROLLUP函数分组汇总活动。

如果还是没有理解清楚，请参见Oracle官方文档中的描述内容：“Using a single column as its argument,GROUPINGreturns 1 when it encounters aNULLvalue created by aROLLUPorCUBEoperation That is, if theNULLindicates the row is a subtotal,GROUPINGreturns a 1 Any other type of value, including a storedNULL, returns a 0”

3仔细观察一下，CUBE与ROLLUP之间的细微差别

rollup(a,b) 统计列包含：(a,b)、(a)、()

rollup(a,b,c) 统计列包含：(a,b,c)、(a,b)、(a)、()

……以此类推ing……

cube(a,b) 统计列包含：(a,b)、(a)、(b)、()

cube(a,b,c) 统计列包含：(a,b,c)、(a,b)、(a,c)、(b,c)、(a)、(b)、(c)、()

……以此类推ing……

So，上面例子中CUBE的结果比ROLLUP多了下面关于第一列GROUP_ID的统计信息：

Architect 1 0 10000

Coding 1 0 10000

Director 1 0 10000

4小结

CUBE在ROLLUP的基础上进一步从各种维度上给出细化的统计汇总结果。

CUBE与GROUP BY的关系可以参考Oracle官方文档中的例子，链接如下：，链接如下：《CUBE Extension to GROUP BY》>

以上就是关于sql中GROUPING的作用是什么全部的内容，包括:sql中GROUPING的作用是什么、sql语句中的group by要怎么用！！、oracle 11g awm cube查不到数据是什么问题等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！