GROUP BY, klauzula (Databricks SQL)

Klauzula GROUP BY służy do grupowania wierszy na podstawie zestawu określonych wyrażeń grupowania i agregacji obliczeniowych w grupie wierszy na podstawie co najmniej jednej określonej funkcji agregującej. Usługa Databricks SQL obsługuje również zaawansowane agregacje w celu wykonywania wielu agregacji dla tego samego zestawu rekordów wejściowych za pośrednictwem GROUPING SETSklauzul , . CUBEROLLUP Wyrażenia grupowania i zaawansowane agregacje można mieszać w klauzuli GROUP BY i zagnieżdżać w klauzuli GROUPING SETS .

Zobacz więcej szczegółów w sekcji Analiza grupowania mieszanego/zagnieżdżonego.

Gdy klauzula FILTER jest dołączona do funkcji agregującej, do tej funkcji są przekazywane tylko pasujące wiersze.

Składnia

GROUP BY group_expression [, ...] [ WITH ROLLUP | WITH CUBE ]

GROUP BY { group_expression | { ROLLUP | CUBE | GROUPING SETS } ( grouping_set [, ...] ) } [, ...]

grouping_set
   { expression |
     ( [ expression [, ...] ] ) }

Funkcje agregujące są definiowane jako

aggregate_name ( [ DISTINCT ] expression [, ...] ) [ FILTER ( WHERE boolean_expression ) ]

Parametry

  • group_expression

    Określa kryteria grupowania wierszy razem. Grupowanie wierszy jest wykonywane na podstawie wartości wyników wyrażeń grupowania. Wyrażenie grupujące może być nazwą kolumny, taką jak GROUP BY a, a, pozycja kolumny, na przykład GROUP BY 0, lub wyrażenie takie jak GROUP BY a + b.

  • grouping_set

    Zestaw grupowania jest określany przez zero lub więcej wyrażeń rozdzielanych przecinkami w nawiasach. Jeśli zestaw grupowania ma tylko jeden element, nawiasy można pominąć. Na przykład ZESTAWY GRUPOWANIA ((a), (b)) są takie same jak ZESTAWY GRUPOWANIA (a, b).

  • ZESTAWY GRUPOWANIA

    Grupuje wiersze dla każdego zestawu grupowania określonego po GROUPING SETS. Na przykład:

    GROUP BY GROUPING SETS ((warehouse), (product)) jest semantycznie równoważne unii wyników GROUP BY warehouse i GROUP BY product.

    Ta klauzula jest skrótem dla elementu, w UNION ALL którym każda część UNION ALL operatora wykonuje agregację każdego zestawu grupowania określonego w klauzuli GROUPING SETS .

    Podobnie, jest semantycznie GROUP BY GROUPING SETS ((warehouse, product), (product), ()) równoważne unii wyników GROUP BY warehouse, product, GROUP BY product i globalnej agregacji.

Uwaga

W przypadku zgodności z usługą Hive usługa Databricks SQL zezwala na korzystanie z usługi GROUP BY ... GROUPING SETS (...). Wyrażenia GROUP BY są zwykle ignorowane, ale jeśli zawierają dodatkowe wyrażenia oprócz GROUPING SETS wyrażeń, dodatkowe wyrażenia zostaną uwzględnione w wyrażeniach grupowania, a wartość jest zawsze równa null. Na przykład SELECT a, b, c FROM ... GROUP BY a, b, c GROUPING SETS (a, b)dane wyjściowe kolumny c są zawsze zerowe.

  • ROLLUP

    Określa wiele poziomów agregacji w jednej instrukcji. Ta klauzula służy do obliczania agregacji na podstawie wielu zestawów grupowania. ROLLUPto skrót dla .GROUPING SETS Na przykład:

    GROUP BY warehouse, product WITH ROLLUP lub GROUP BY ROLLUP(warehouse, product) jest równoważne

    GROUP BY GROUPING SETS((warehouse, product), (warehouse), ()).

    Podczas GROUP BY ROLLUP(warehouse, product, (warehouse, location))

    jest równoważne GROUP BY GROUPING SETS((warehouse, product, location), (warehouse, product), (warehouse), ()).

    N elementów ROLLUP specyfikacji powoduje N+1 GROUPING SETS.

  • MODUŁ

    Klauzula CUBE służy do wykonywania agregacji na podstawie kombinacji kolumn grupowania określonych w klauzuli GROUP BY . CUBEto skrót dla .GROUPING SETS Na przykład:

    GROUP BY warehouse, product WITH CUBE lub GROUP BY CUBE(warehouse, product) jest równoważne

    GROUP BY GROUPING SETS((warehouse, product), (warehouse), (product), ()).

    Podczas GROUP BY CUBE(warehouse, product, (warehouse, location))

    jest równoważne GROUP BY GROUPING SETS((warehouse, product, location), (warehouse, product), (warehouse, location), (product, warehouse, location), (warehouse), (product), (warehouse, product), ()).

    N elementów CUBE specyfikacji powoduje 2^N GROUPING SETS.

  • aggregate_name

    Nazwa funkcji agregującej (MIN, MAX, COUNT, SUM, AVG itp.).

  • ODRĘBNE

    Usuwa duplikaty w wierszach wejściowych przed ich przekazaniem do funkcji agregujących.

  • FILTER

    Filtruje wiersze wejściowe, dla których boolean_expression klauzula w WHERE klauzuli zwraca wartość true, są przekazywane do funkcji agregującej; inne wiersze są odrzucane.

Analiza grupowania mieszanego/zagnieżdżonego

Klauzula GROUP BY może zawierać wiele group_expressions i wiele CUBE, ROLLUPi GROUPING SETSs.

GROUPING SETS mogą również zawierać zagnieżdżone CUBEklauzule , ROLLUPlub GROUPING SETS . Na przykład:

GROUPING SETS(ROLLUP(warehouse, location), CUBE(warehouse, location)), GROUPING SETS(warehouse, GROUPING SETS(location, GROUPING SETS(ROLLUP(warehouse, location), CUBE(warehouse, location))))

CUBEi ROLLUP to po prostu cukier składniowy dla .GROUPING SETS Zapoznaj się z powyższymi sekcjami, aby dowiedzieć się, jak przetłumaczyć element CUBE i ROLLUP na GROUPING SETS. group_expression w tym kontekście może być traktowana jako pojedyncza grupa GROUPING SETS .

W przypadku wielu GROUPING SETS w klauzuli GROUP BY usługa Databricks SQL generuje pojedynczy elementGROUPING SETS, wykonując krzyżowy produkt oryginalnego GROUPING SETSelementu .

W przypadku zagnieżdżenia GROUPING SETS w klauzuli GROUPING SETS usługa Databricks SQL po prostu pobiera zestawy grupowania i usuwa je. Na przykład:

GROUP BY warehouse, GROUPING SETS((product), ()), GROUPING SETS((location, size), (location), (size), ()) I

GROUP BY warehouse, ROLLUP(product), CUBE(location, size)

są równoważne .GROUP BY GROUPING SETS( (warehouse, product, location, size), (warehouse, product, location), (warehouse, product, size), (warehouse, product), (warehouse, location, size), (warehouse, location), (warehouse, size), (warehouse))

Podczas GROUP BY GROUPING SETS(GROUPING SETS(warehouse), GROUPING SETS((warehouse, product)))

jest równoważne GROUP BY GROUPING SETS((warehouse), (warehouse, product)).

Przykłady

CREATE TEMP VIEW dealer (id, city, car_model, quantity) AS
VALUES (100, 'Fremont', 'Honda Civic', 10),
       (100, 'Fremont', 'Honda Accord', 15),
       (100, 'Fremont', 'Honda CRV', 7),
       (200, 'Dublin', 'Honda Civic', 20),
       (200, 'Dublin', 'Honda Accord', 10),
       (200, 'Dublin', 'Honda CRV', 3),
       (300, 'San Jose', 'Honda Civic', 5),
       (300, 'San Jose', 'Honda Accord', 8);

-- Sum of quantity per dealership. Group by `id`.
> SELECT id, sum(quantity) FROM dealer GROUP BY id ORDER BY id;
  id sum(quantity)
 --- -------------
 100            32
 200            33
 300            13

-- Use column position in GROUP by clause.
> SELECT id, sum(quantity) FROM dealer GROUP BY 1 ORDER BY 1;
  id sum(quantity)
 --- -------------
 100            32
 200            33
 300            13

-- Multiple aggregations.
-- 1. Sum of quantity per dealership.
-- 2. Max quantity per dealership.
> SELECT id, sum(quantity) AS sum, max(quantity) AS max
    FROM dealer GROUP BY id ORDER BY id;
  id sum max
 --- --- ---
 100  32  15
 200  33  20
 300  13   8

-- Count the number of distinct dealers in cities per car_model.
> SELECT car_model, count(DISTINCT city) AS count FROM dealer GROUP BY car_model;
    car_model count
 ------------ -----
  Honda Civic     3
    Honda CRV     2
 Honda Accord     3

-- Sum of only 'Honda Civic' and 'Honda CRV' quantities per dealership.
> SELECT id,
         sum(quantity) FILTER (WHERE car_model IN ('Honda Civic', 'Honda CRV')) AS `sum(quantity)`
    FROM dealer
    GROUP BY id ORDER BY id;
  id sum(quantity)
 --- -------------
 100            17
 200            23
 300             5

-- Aggregations using multiple sets of grouping columns in a single statement.
-- Following performs aggregations based on four sets of grouping columns.
-- 1. city, car_model
-- 2. city
-- 3. car_model
-- 4. Empty grouping set. Returns quantities for all city and car models.
> SELECT city, car_model, sum(quantity) AS sum
    FROM dealer
    GROUP BY GROUPING SETS ((city, car_model), (city), (car_model), ())
    ORDER BY city;
      city    car_model sum
 --------- ------------ ---
      null         null  78
      null  HondaAccord  33
      null     HondaCRV  10
      null   HondaCivic  35
    Dublin         null  33
    Dublin  HondaAccord  10
    Dublin     HondaCRV   3
    Dublin   HondaCivic  20
   Fremont         null  32
   Fremont  HondaAccord  15
   Fremont     HondaCRV   7
   Fremont   HondaCivic  10
  San Jose         null  13
  San Jose  HondaAccord   8
  San Jose   HondaCivic   5

-- Group by processing with `ROLLUP` clause.
-- Equivalent GROUP BY GROUPING SETS ((city, car_model), (city), ())
> SELECT city, car_model, sum(quantity) AS sum
    FROM dealer
    GROUP BY city, car_model WITH ROLLUP
    ORDER BY city, car_model;
      city    car_model sum
 --------- ------------ ---
      null         null  78
    Dublin         null  33
    Dublin  HondaAccord  10
    Dublin     HondaCRV   3
    Dublin   HondaCivic  20
   Fremont         null  32
   Fremont  HondaAccord  15
   Fremont     HondaCRV   7
   Fremont   HondaCivic  10
  San Jose         null  13
  San Jose  HondaAccord   8
  San Jose   HondaCivic   5

-- Group by processing with `CUBE` clause.
-- Equivalent GROUP BY GROUPING SETS ((city, car_model), (city), (car_model), ())
> SELECT city, car_model, sum(quantity) AS sum
    FROM dealer
    GROUP BY city, car_model WITH CUBE
    ORDER BY city, car_model;
      city    car_model sum
 --------- ------------ ---
      null         null  78
      null  HondaAccord  33
      null     HondaCRV  10
      null   HondaCivic  35
    Dublin         null  33
    Dublin  HondaAccord  10
    Dublin     HondaCRV   3
    Dublin   HondaCivic  20
   Fremont         null  32
   Fremont  HondaAccord  15
   Fremont     HondaCRV   7
   Fremont   HondaCivic  10
  San Jose         null  13
  San Jose  HondaAccord   8
  San Jose   HondaCivic   5

--Prepare data for ignore nulls example
> CREATE TEMP VIEW person (id, name, age) AS
   VALUES (100, 'Mary', NULL),
          (200, 'John', 30),
          (300, 'Mike', 80),
          (400, 'Dan' , 50);

--Select the first row in column age
> SELECT FIRST(age) FROM person;
  first(age, false)
 --------------------
  NULL

--Get the first row in column `age` ignore nulls,last row in column `id` and sum of column `id`.
> SELECT FIRST(age IGNORE NULLS), LAST(id), SUM(id) FROM person;
  first(age, true)    last(id, false)    sum(id)
 ------------------- ------------------ ----------
  30                  400                1000