PostgreSQL 高级SQL(一)分组集

本文是转载，原文地址是：https://www.jianshu.com/p/fa620e2d9f1b

作为一名开发者，平时工作中用到最多的可能就是SQL了，简单的SQL我们平时基本都用的差不多了，今天我们介绍一下PG的一些高级SQL，主要是PG SQL的分组集,这些SQL主要用于一些报表任务的开发。

本文章以及后续几章节的数据案例来源于 TWB(世界银行中国区官网)，有兴趣的读者可以在世界银行主站的搜索框里面搜索GDP,选择现价美元，进入文章(https://data.worldbank.org.cn/indicator/NY.GDP.MKTP.CD)后有可以下载数据，数据格式有cvs,excel,xml格式可以下载

博主的数据是下载的CVS+XML,借助pg copy命令和java解析xml的方式导入数据路的，在博主提供生成好的sql脚本以及java代码和copy导入过程俩种方式，有兴趣的读者可以自己尝试，代码在码云上(https://gitee.com/zhengxianlei/PGAdvanceSQL);

案例数据是关于世界所有国家(或地区)从1960年到2018年的GDP，以及国家所属的消费层次级别，国家所在的大洲或者地区；

1、如果我们想看一看世界各个大洲(区域)2017年的GDP平均值的话我们可以这样写：

SELECT
	region,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	YEAR = '2017' 
GROUP BY
	region 
ORDER BY
	2 DESC;

group by非聚合函数可以很容易让我们看到2017年世界GDP均值最高地区是：北美洲，GDP最低地区是：撒哈拉以南非洲，group by 子句将很多行变成每组一行显示，

2、如果我们想要上面的报表带有全世界各国GDP平均值的话我们大部分人可能会出下面类似的SQL:

( SELECT
	region,
	round( AVG ( gdp ), 0 ) AS sumCount 
	FROM
		country_gdp_year_final 
	WHERE
		YEAR = '2017' 
	GROUP BY
		region 
	ORDER BY
		2 DESC 
	) UNION ALL
SELECT NULL AS
	region,
	sumCount 
FROM
( SELECT round( SUM ( gdp ) / COUNT ( 1 ), 0 ) AS sumCount FROM country_gdp_year_final WHERE YEAR = '2017' ) AS P

这种SQL其实嵌套了这么多层，很长并且可读性很差，其实PG里面自带这种分组并且带有分组平均值的SQL,如下

SELECT
	region,
	round( AVG ( gdp ), 0 ) AS sumCount 
FROM
	country_gdp_year_final 
WHERE
	YEAR = '2017' 
GROUP BY
	ROLLUP ( region ) 
ORDER BY
	2 DESC；

group by rollup(column) 除了计算column字段分组下的聚合结果以外，还会计算整体的聚合结果，本例就是计算世界2017年GDP所有国平均值(这些国家有着一个共同的region叫做：世界)，无需运行俩个查询；

rollup也可以通过不止一列的方式来使用，比如计算中日德法美六国的1960-2018年年均GDP：

SELECT
	region,
	country_name,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	country_code IN ( 'CHN', 'JPN', 'USA', 'DEU', 'CAN', 'FRA' ) 
GROUP BY
	ROLLUP ( region, country_name );

从上图我们可以看出一共多出了四行行数据，rollup(region,country_name)的数据是，group by region,country_name+ group by region+总体的均值；

3、group by cube子句

SELECT
	region,
	country_name,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	country_code IN ( 'CHN', 'JPN', 'USA', 'DEU', 'CAN', 'FRA' ) 
GROUP BY
	CUBE ( region, country_name );

cube:在英文里面是是立方体的意思，上面的句子group by cube(region,country_name)比group by rollup(region,country_name)多出了六行数据：

group by country_name 的六行，从上面的数据我们可以知道cube(region,country_name)的总行数=group by region,country_name+group by region+group by country_name+总体均值，其整体思想是抽取各个层面的聚合集结果。

4、group by grouping sets子句

SELECT
	region,
	country_name,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	country_code IN ( 'CHN', 'JPN', 'USA', 'DEU', 'CAN', 'FRA' )   
GROUP BY
	GROUPING SETS ( ( ), region, country_name, ( region, country_name ) );

可以看到上面的group by grouping sets((),region,country_name,(region,country_name))=group by cube(region,country_name)

看到这儿有人可能对于上面的sets()括号里面的内容有点犯糊涂了尤其是(),(region,country_name)到底是什么，对于结果集的产生到底有什么影响呢，我们不妨单独测试一些

A、

SELECT
	region,
	country_name,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	country_code IN ( 'CHN', 'JPN', 'USA', 'DEU', 'CAN', 'FRA' )   
GROUP BY
	GROUPING SETS ( ( region, country_name ) );

从结果我们可以看出来上面的查询和select region,country_name,round(avg(gdp),0) from country_gdp_year_final where country_code in('CHN','JPN','USA','DEU','CAN','FRA') group by region,country_name 是等价的；

B、

SELECT
	region,
	country_name,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	country_code IN ( 'CHN', 'JPN', 'USA', 'DEU', 'CAN', 'FRA' )   
GROUP BY
	GROUPING SETS ( ( ), region, country_name );

C、

SELECT
	region,
	country_name,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	country_code IN ( 'CHN', 'JPN', 'USA', 'DEU', 'CAN', 'FRA' )   
GROUP BY
	GROUPING SETS ( region, country_name );

从结果集我们可以看出来group by grouping sets(region,country_name) 等价于group by region+group by country_name

综上所述，我们可以得出以下的结论： group by grouping sets 的查询结果是最全面，使用到group by、group by rollup、group by cube的地方其实使用group by grouping sets也是可以实现的