关于rollup 和cude 举例浅分析

任务：从资产表选出一类资产，并统计此类资产在不同地区的五种状态的占有量/

*************资产状态*****************
402001：在使用
401004：库存
403002：维修备用
405001：报废-待处理
405003：报废-已处置
*******************************/

1.从资产表统计五种状态下的此类资产在不同地区的数目

select ac.region_right_of_use_code,
ac.assets_state,
count(*) as sum_electrocar
from assets_cards ac
where ac.small_type_code = 'J1202'
and ac.assets_state in
('402001', '401004', '403002', '405001', '405003')
group by ac.region_right_of_use_code, ac.assets_state  order by ac.region_right_of_use_code;

结果如下：

2.使用rollup函数：

rollup函数：是group by的扩展，可以为每个分组返回小计记录以及为所有分组返回总计记录

cube 函数：也是group by的扩展，可以返回每一个列组合的小计记录，同时在末尾加上总计记录。

表达式：

rollup:Group by ROLLUP(A, B, C)的话，首先会对(A、B、C)进行GROUP BY,然后对(A、B)进行GROUP BY,然后是(A)进行GROUP BY,最后对全表进行GROUP BY操作。

cube:GROUP BY CUBE(A, B, C)，则首先会对(A、B、C)进行GROUP BY,然后依次是(A、B)，(A、C)，(A)，(B、C)，(B)，(C)，最后对全表进行GROUP BY操作。

当我们使用rollup函数来统计资产每个状态的数目：

select t.region_right_of_use_code,
decode(grouping_id(t.region_right_of_use_code, t.assets_state),
1,
'总计',
'3',
'',
t.assets_state) as assets_state,
grouping_id(t.region_right_of_use_code, t.assets_state),
sum(t.sum_electrocar) as sum_electrocar
from (select ac.region_right_of_use_code,
ac.assets_state,
count(*) as sum_electrocar
from assets_cards ac
where ac.small_type_code = 'J1202'
and ac.assets_state in
('402001', '401004', '403002', '405001', '405003')
group by ac.region_right_of_use_code, ac.assets_state
order by ac.region_right_of_use_code) t
group by rollup(t.region_right_of_use_code, t.assets_state)

首先是以以区部region_right_of_use_code分组，再以资产状态assets_state分组统计，

其中grouping_id是参数都必须是GROUP BY 列表的元素，返回按GROUPING位向量进行计算的十进制值。下面我们通过一个例子来研究grouping_id函数是如何按照grouping函数的位向量进行计算的。

SQL> select grouping(a) ca,grouping(b) cb,grouping_id(a,b) caandb, a,b,sum(n) from testgroup group by rollup(a,b);

Result:

CA	CB	CAANDB	A	B	SUM(N)
0	0	0	a1	b1	30
0	1	1	a1		30
1	1	3			30

位向量计算方法：如上例，

第一行，CA=0,CB=0，那么位向量就是“00”，换算成十进制是0

第二行，CA=0,CB=1，那么位向量就是‘01’，换算成十进制是1

第三行，CA=1,CB=1，那么位向量就是‘11’，换算成十进制是3

我们比较一下用grouping_id做的数据分组

select t.region_right_of_use_code,
decode(grouping_id(t.region_right_of_use_code, t.assets_state),
1,
'总计',
'3',
'',
t.assets_state) as assets_state,
grouping_id(t.region_right_of_use_code, t.assets_state),
sum(t.sum_electrocar) as sum_electrocar
from (select ac.region_right_of_use_code,
ac.assets_state,
count(*) as sum_electrocar
from assets_cards ac
where ac.small_type_code = 'J1202'
and ac.assets_state in
('402001', '401004', '403002', '405001', '405003')
group by ac.region_right_of_use_code, ac.assets_state
order by ac.region_right_of_use_code) t
group by rollup(t.region_right_of_use_code, t.assets_state)

结果如下：

第二红列是用grouping_id根据region_right_of_use_code, assets_state（区部，状态）分组计算的十进制值，0表示状态数据，1为对应区部下的此类资产所有状态的总计，3为对应所有区部的此类资产所有状态的总计，可以直接用decode转换对应的文字，比如1为总计，符合我们业务需求来统计每个区部相关状态的资产总计，0转换为对应的状态数据，3置空（为接下来去掉这类数据做准备）；

让我们看看cube是怎么样的数据呈现：

select t.region_right_of_use_code,
decode(grouping_id(t.region_right_of_use_code, t.assets_state),
1,
'总计',
'3',
'',
t.assets_state) as assets_state,
grouping_id(t.region_right_of_use_code, t.assets_state),
sum(t.sum_electrocar) as sum_electrocar
from (select ac.region_right_of_use_code,
ac.assets_state,
count(*) as sum_electrocar
from assets_cards ac
where ac.small_type_code = 'J1202'
and ac.assets_state in
('402001', '401004', '403002', '405001', '405003')
group by ac.region_right_of_use_code, ac.assets_state
order by ac.region_right_of_use_code) t
group by cube(t.region_right_of_use_code, t.assets_state)

结果：

跟rollup不同之处就是cube先统计总后分组统计，比如3为统计所有区部的五种状态资产数目，2为各个状态的资产数目，1为统计地区下五种状态的资产数目，0为资产状态，

其实就是先统计所有的数据，然后根据状态统计资产总数目，最后根据区部统计资产总数目，再根据区部分状态统计资产数目。

为了我们最初的报表，我现在用rollup函数做处理：

select tt.region_right_of_use_code,
sum(nvl(decode(tt.assets_state, '402001', sum_electrocar), 0)) as S_E_C_402001,
sum(nvl(decode(tt.assets_state, '401004', sum_electrocar), 0) )as S_E_C_401004,
sum(nvl(decode(tt.assets_state, '403002', sum_electrocar), 0) )as S_E_C_403002,
sum(nvl(decode(tt.assets_state, '405001', sum_electrocar), 0)) as S_E_C_405001,
sum(nvl(decode(tt.assets_state, '405003', sum_electrocar), 0)) as S_E_C_405003,
sum(nvl(decode(tt.assets_state, '总计', sum_electrocar), 0)) as S_E_C
from (select t.region_right_of_use_code,
decode(grouping_id(t.region_right_of_use_code, t.assets_state),1,'总计','3','',t.assets_state) as assets_state,
grouping_id(t.region_right_of_use_code, t.assets_state),
sum(t.sum_electrocar) as sum_electrocar
from (select ac.region_right_of_use_code,
ac.assets_state,
count(*) as sum_electrocar
from assets_cards ac
where ac.small_type_code = 'J1202'
and ac.assets_state in
('402001', '401004', '403002', '405001', '405003')
group by ac.region_right_of_use_code, ac.assets_state order by ac.region_right_of_use_code) t
group by rollup(t.region_right_of_use_code, t.assets_state)) tt
where tt.assets_state is not null group by tt.region_right_of_use_code order by tt.region_right_of_use_code

结果如下：

这样就可以对应写入以下的Excel表

总结：关于报表，逻辑处理主要还是放在sql语句处理，尽量不要在java代码。

关于rollup 和cude 举例浅分析相关推荐

前端三大构建工具 Webpack、Vite、Rollup 优劣势及原理分析
在刚刚结束的 VueConf2021 中,除了 Vue 3.0 以外,另外一个亮点就是下一代构建工具 Vite 了. 在尤雨溪分享的[ Vue 3 生态进展和计划]的演讲中,尤大神还特意提到 Vite ...
多线程中的死锁举例与分析（转）
1. 一个特殊构造的程序考虑下面这个专门为说明多线程中的死锁现象而构造的程序: import java.util.LinkedList;public class Stack {public stat ...
浅浅分析滤波器截止频率
截止频率是描述滤波器性能的一个指标.对于一个滤波器,在其输入信号幅度保持不变的情况下,只改变输入信号的频率,当其输出信号幅度下降为输入信号幅度的0.707倍时,此时的频率即为该滤波器的截止频率. 一. ...
网络游戏软件销售渠道模式举例及分析
转自:新浪游戏 http://games.sina.com.cn/y/n/2005-11-24/1425134038.shtml 本文主要以公司目前经营的重点业务--网络游戏为例,来举例说明当前市场上 ...
举例跟踪分析Linux内核5.0系统调用处理过程
学号最后三位编号:094 原创作品转载请注明出处 + https://github.com/mengning/linuxkernel/ 0.实验内容编译内核5.0 qemu -kernel linu ...
京东APP地址加密的浅分析
第一次写博客也是关于逆向方面的文章,首先将一些题外话,有很多人问我,我是小白我是新手,能不能也做到分析app的程度..其实世上无难事 ,只怕有心人.一年前我连python都不知道是什么东西,所有我 ...
UE5引擎 PC端的Landscape渲染浅分析
前言游戏目前发展趋势是大世界,而大世界必不可少的元素是大地形,UE引擎从地形系统有完善的渲染管线和工具链. Landscape的创建 UE的地形在LanscapeMode进行创建,如下所示地形创建 ...
Janus.js源码浅分析
最近做了一个关于音视频的项目,对Janus有了一个初步的认识,期间查阅了许多资料,现在进行一个总结下载Janus源码 git clone https://github.com/meetecho/ja ...
Verilog语法中pullup.pulldown使用举例和分析
在模拟IP仿真时,通常会使用到上拉.下拉电阻设置(此时还不是网表或hi spice仿真),其上拉电阻对应信号可赋值为1,下拉电阻赋值为0.因此会使用到pullup或pulldown.如下举例(引自某度 ...
微软Hololens设备浅分析
微软Hololens的定位是一款MR 设备(Mixed reality).MR与AR的不同我认为是MR能够将真实环境的场景信息与虚拟对象进行完美的融合,它是基于SLAM(SimultaneousLoc ...

关于rollup 和cude 举例浅分析

关于rollup 和cude 举例浅分析相关推荐

最新文章

热门文章