SQL2008新应用之T-SQL Grouping sets

SQL SERVER 2005 使用了WITH CUBE 和WITH ROLLUP来显示统计信息，这是非常有用的功能，但它却不能提供很好的控制显示方法，但在katmai(sqlserver的下一个版本，估且称它mssql2008)，以上的一切都会因 GROUPING SETS 引入而改变。使用GROUPING SETS，我们会获

　　SQL SERVER 2005 使用了WITH CUBE 和WITH ROLLUP来显示统计信息，这是非常有用的功能，但它却不能提供很好的控制显示方法，但在katmai(sqlserver的下一个版本，估且称它mssql2008)，以上的一切都会因GROUPING SETS引入而改变。使用GROUPING SETS，我们会获得想要统计信息。

　　在这里，给出一个实例：

　　语句A

以下是引用片段：
　　select ProductKey,OrderDateKey,CustomerKey,PromotionKey,
　　sum(UnitPrice)SumUnitPrice,
　　sum(OrderQuantity)SumOrderQuantity
　　from dbo.FactInternetSales
　　group by ProductKey,OrderDateKey,CustomerKey,PromotionKey

　　用GROUPING SETS来表达同一逻辑性语句

　　语句B

以下是引用片段：
　　select ProductKey,OrderDateKey,CustomerKey,PromotionKey,
　　sum(UnitPrice)SumUnitPrice,
　　sum(OrderQuantity)SumOrderQuantity
　　from dbo.FactInternetSales
　　group by
　　grouping sets(
　　(
　　ProductKey,OrderDateKey,CustomerKey,PromotionKey
　　)
　　)

　　语句B使用GROUPING SETS，grouping sets中的内容与语句A中的group by一致，并且它也返回相同数据。

　　看到上面的例子大家或许会猜想出一二，我将给大家展示一下grouping sets的特别之处。

　　例子：

　　当我们在不同的集合中使用分组，则GROUPING SETS将会非常有用。

以下是引用片段：
　　select ProductKey,OrderDateKey,CustomerKey,PromotionKey,
　　sum(UnitPrice)SumUnitPrice,
　　sum(OrderQuantity)SumOrderQuantity
　　from dbo.FactInternetSales
　　group by
　　grouping sets(
　　--Aggregate by all columns in the select clause
　　(
　　ProductKey,
　　OrderDateKey,
　　CustomerKey,
　　PromotionKey
　　),
　　--Aggregate by a subset of the columns in the select clause
　　(
　　ProductKey,
　　OrderDateKey,
　　CustomerKey
　　),
　　()
　　--ALL aggregation
　　);

　　这条语句使用了三个grouping sets:

　　第一个grouping sets以(ProductKey,OrderDateKey,CustomerKey,PromotionKey)为单位分组聚集UnitPrice & OrderQuantity

　　第二个grouping sets以(ProductKey,OrderDateKey,CustomerKey)为单位分组聚集UnitPrice & OrderQuantity

　　第三个grouping sets直接聚集UnitPrice & OrderQuantity，相当于一条汇总数据

　　说明：grouping sets 没有使用的select子句中的列将会返回NULL值。

　　整个结果集对每一个GROUPING SETS做运算。

　　下面是一个执行结果的截图

　　

　　看一下最后一句，这句就是第三个grouping sets,它在每一个非聚集列中都显示NULL，你同样能看到在第二个grouping sets中，没有使用到的列也显示NULL。

　　总结：

　　本文讲解了grouping sets使用方法，我的第一印象是它的自定义化比较强，很灵活，我们甚至可以自己聚合出OLAP集合。