Group by后加rollup、cube、Grouping_Sets的用法区别

一、相关分析

通常当聚合率和数据量没有大于一定程度时，对于不涉及Rollup、Cube、Grouping_Sets这三种操作的聚合很少出现GC问题。对于Rollup、Cube、Grouping_Sets操作可采用如下优化方法避免GC。

1、Rollup / Cube / Grouping_Sets时，某些场景下，如果多维度的字段比较多，内存或者GC会造成性能问题。特别的， 在实现这三种操作 时， 记录数会出现倍数的膨胀， 调优的时候请务必关注 GC 情况。 如果 GC性能情况表现不加， 建议用手动改动的方式调优， 通常是把这三种操作等价的用 UNION 多个子查询 SQL 的方式实现。 对 SQL 改写相当于是对它们计算内容的同语义翻译。

1、1Rollup的改写

对它等价的拆分改写结果如下，上下两个语句的结果相同：

1、2Cube改写

可以看出前三个的Union块的结果等同于一个Cube，所以还可以改写为

1、3Grouping Sets的改写

对它等价的拆分改写结果如下，上下两个语句的结果相同：

总结：可以按照以上所示的对三种操作的改写形式对语句展开优化，尽可能的减少因内存和GC引发的性能问题。但是，一般情况下，如果GC问题不是特别严重，就不用改写，否则会导致性能更差。

二、对比Group by、Cube、Rollup

Rollup运算符生成的结果集类似于Cube运算符生成的结果集。

CUBE和Rollup之间的具体区别：

    v1、CUBE生成的结果集显示了所选列中值的所有组合的聚合

    v2、Rollup生成的结果集显示了所选列中值的某一层次结构的聚合。

 

Rollup优点：

    v1、Rollup返回单个结果集，而compute by返回多个结果集，而多个结果集会增加应用程序代码的复杂性。

    v2、Rollup可以在服务器游标中使用，而compute by则不可以。

    v3、查询优化器为Rollup生成的执行计算比为compute by生成的更为高效。

三、实例

-1、创建表
CREATE TABLE employee_part(department STRING,name STRING,salary int)
CLUSTERED BY (department) INTO 7 BUCKETS
STORED AS ORC 
tblproperties('transactional'='true');
--2、入数据
insert into employee_part values('A','ZHANG',100);
insert into employee_part values('A','LI',200);
insert into employee_part values('A','WANG',300);
insert into employee_part values('A','DUAN',500);
insert into employee_part values('B','DUAN',600 );
insert into employee_part values('B','DUAN',700);
insert into employee_part values('A','ZHAO',400);

--3、Group by
SELECT department,name,sum(salary)AS sum FROM employee_part GROUP BY department,name;

--4、Rollup
SELECT department,name,sum(salary)AS sum FROM employee_part GROUP BY Rollup(department,name);
等价于
SELECT department,name,sum(salary)AS sum
FROM employee_part
GROUP BY department,name
union
SELECT department,'NULL',SUM(salary)AS sum
FROM employee_part
GROUP BY  department
union
SELECT 'NULL','NULL',SUM(salary)AS sum
FROM employee_part;

--5、CUBE
SELECT department,name,sum(salary)AS sum FROM employee_part GROUP BY Cube(department,name);
等价于
SELECT department,name,sum(salary)AS sum
FROM employee_part
GROUP BY department,name
union
SELECT department,'NULL',SUM(salary)AS sum
FROM employee_part
GROUP BY  department
union
SELECT 'NULL','NULL',SUM(salary)AS sum
FROM employee_part
UNION
SELECT 'NULL', name, SUM(Salary) AS sum
FROM employee_part
GROUP BY name;
等价于
SELECT department,name,sum(salary)AS sum FROM employee_part GROUP BY Rollup(department,name)
UNION
SELECT 'NULL', name, SUM(Salary) AS sum
FROM employee_part
GROUP BY name;

可以看出CUBE的结果集在Rollup结果集上多出了5行，这5行相当于在Rollup结果集上再union上以员工名字为group by 的结果。