cube

数据立方体(Data Cube)，是多维模型的一个形象的说法.(关于多维模型这里不讲述,在数据仓库设计过程中还挺重要的,有兴趣自行查阅)

立方体其本身只有三维，但多维模型不仅限于三维模型，可以组合更多的维度

为什么叫数据立方体?

一方面是出于更方便地解释和描述，同时也是给思维成像和想象的空间；

另一方面是为了与传统关系型数据库的二维表区别开来

下图为数据立方体的形象图

其实并不用把cube理解得很高大上,只要理解为分别按照不同维度进行聚合.

hive中也有cube函数,可以实现多个任意维度的查询

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),最后在对全表进行group by，他会统计所选列中值的所有组合的聚合

用cube函数就可以完成所有维度的聚合工作.

语法

select col1,col2,col3,col4, --维度字段

count(user_id),  --聚合字段

GROUPING__ID, --聚合选取的组号(二进制表示,但是这里打印出来的是十进制)

rpad(reverse(bin(cast(GROUPING__ID AS bigint))),4,'0') --对其二进制化就能明白了,注意中间是两个下划线,因为在反转的时候会把末尾的0去掉,需要用rpad补充至维度个数

from table

group by col1,col2,col3,col4 --维度字段都要出现在group by中,这里不能使用1,2,3,4代替

with cube; --使用cube函数

如果我们想要手动实现cube函数就需要把所有维度的聚合都用union all来汇总.

可以说cube函数方便了用户的使用.

但是我并不用知道所有维度的聚合,我就想要col1,(col2,col3)的怎么办?

grouping sets

当不需要cube将所有维度都列出来的时候,当只需要部分维度的时候

可以使用grouping sets来进行决定聚合那些维度

语法

select col1,col2,col3, --维度字段

count(user_id),  --聚合字段

GROUPING__ID, --聚合选取的组号(二进制表示,但是这里打印出来的是十进制)

rpad(reverse(bin(cast(GROUPING__ID AS bigint))),3,'0') --对其二进制化就能明白了,注意中间是两个下划线,注意中间是两个下划线,因为在反转的时候会把末尾的0去掉,需要用rpad补充至维度个数

from table

group by col1,col2,col3 --维度字段都要出现在group by中,并不能省略暂时不用到的字段,这里不能使用1,2,3,4代替

grouping sets(col1,(col2,col3)); --使用grouping sets来代替with cube

注意:当使用grouping sets()进行指定维度聚合的时候,仅仅聚合你给出的维度组合,并不会自动帮你组合维度.

例如 grouping sets(col1,(col2,col3)) 只聚合col1维度,(col2,col3)维度.

并不会自动聚合(col1,col2,col3)维度

rollup

rullup函数是cube的子集,以最左侧维度为主,按照顺序依次进行聚合.

例如聚合的维度为 col1,col2,col3 使用rollup聚合的字段分别为 col1,(col1,col2),(col1,col3),(col1,col2,col3)

语法

select col1,col2,col3,col4, --维度字段

count(user_id),  --聚合字段

GROUPING__ID, --聚合选取的组号(二进制表示,但是这里打印出来的是十进制)

rpad(reverse(bin(cast(GROUPING__ID AS bigint))),4,'0') --对其二进制化就能明白了,注意中间是两个下划线,注意中间是两个下划线,因为在反转的时候会把末尾的0去掉,需要用rpad补充至维度个数

from table

group by col1,col2,col3,col4 --维度字段都要出现在group by中,这里不能使用1,2,3,4代替

with rollup; --使用rollup函数

如何查看根据什么维度聚合呢?

select user_type,sales, --维度

count(user_id) as pv, --聚合字段

grouping__id,

rpad(reverse(bin(cast(GROUPING__ID AS bigint))),2,'0') as sign --grouping__id逆序

from user_info

group by user_type,sales

with cube;

查询结果如下

user_type

sales

pv

grouping__id

sign

NULL

NULL

10

0

00

old

NULL

3

1

10

new

NULL

7

1

10

old

3

1

3

11

old

2

1

3

11

old

1

1

3

11

new

6

1

3

11

new

5

2

3

11

new

3

1

3

11

new

2

1

3

11

new

1

2

3 .

11

上面是使用cube函数聚合后的数据

可以根据 GROUPING__ID 的二进制表示形式(反向)直接看出.

这里使用聚合的维度有user_type和sales两个维度,如果使用当前维度,对应bin(grouping__id)数字为1

例如 第二行数据的 10 -> 使用了user_type维度,没使用sales

可以通过聚合后的数据看出

当改字段为NULL的时候,说明没有使用该字段维度.

例如 第二行数据 old NULL -> 使用了user_type维度,没使用sales