《SQL基础教程》

Product表

CREATE TABLE Product
(product_id      CHAR(4) NOT NULL,
 product_name    VARCHAR(100) NOT NULL,
 product_type    VARCHAR(32) NOT NULL,
 sale_price      INTEGER ,
 purchase_price  INTEGER ,
 regist_date     DATE ,
 PRIMARY KEY (product_id));

插入数据

-- DML：插 入 数 据
BEGIN TRANSACTION;
INSERT INTO Product VALUES ('0001', 'T恤衫', '衣服', 1000, 500, '2009-09-20');
INSERT INTO Product VALUES ('0002', '打孔器', '办公用品', 500, 320, '2009-09-11');
INSERT INTO Product VALUES ('0003', '运动T恤', '衣服', 4000, 2800, NULL);
INSERT INTO Product VALUES ('0004', '菜刀', '厨房用具',   3000, 2800, '2009-09-20');
INSERT INTO Product VALUES ('0005', '高压锅', '厨房用具', 6800, 5000, '2009-01-15');
INSERT INTO Product VALUES ('0006', '叉子', '厨房用具', 500, NULL, '2009-09-20');
INSERT INTO Product VALUES ('0007', '擦菜板', '厨房用具', 880, 790, '2008-04-28');
INSERT INTO Product VALUES ('0008', '圆珠笔', '办公用品', 100, NULL,'2009-11-11');
 
COMMIT;

第一章数据库与SQL

表定义的更新（ALTER TABLE语句）

ALTER TABLE <表名> ADD COLUMN <列的定义>；

添加一列可以存储100位的可变长字符串的product_name_pinyin列

-- Oracle和SQLServer中不用写`COLUMN`。
--Oracle
ALTER TABLE Product ADD (product_name_pinyin VARCHAR2(100));
--SQL Server
ALTER TABLE Product ADD product_name_pinyin VARCHAR(100);

删除列的ALTER TABLE语句

ALTER TABLE <表名> DROP COLUMN <列名>；

删除product_name_pinyin列

ALTER TABLE Product DROP COLUMN product_name_pinyin;

变更表名：

--Oracle PostgreSQL
ALTER TABLE Poduct RENAME TO Product;
--DB2
RENAME TABLE Poduct TO Product;
--SQL Server
sp_rename 'Poduct', 'Product';
--MySQL
RENAME TABLE Poduct to Product;

第三章聚合与排序

3-1 对表进行聚合查询

计算表中数据的行数

SELECT COUNT(*)
  FROM Product;
------
    8

计算NULL之外的数据的行数

如果想得到purchase_price列（进货单价）中非空行数的话，

SELECT COUNT(purchase_price)
  FROM Product;
------
    6

第四章数据的更新

4-1 数据的插入

从其他表复制数据

已存在表的情况下：

-- 用来插入数据的商品复制表
CREATE TABLE ProductCopy
(product_id   CHAR(4)      NOT NULL,
 product_name  VARCHAR(100) NOT NULL,
 product_type VARCHAR(32)  NOT NULL,
 sale_price  INTEGER      ,
 purchase_price INTEGER      ,
 regist_date   DATE         ,
 PRIMARY KEY (product_id));

-- 将商品表中的数据复制到商品复制表中
---- 简单写法
INSERT  INTO ProductCopy
        SELECT  *
        FROM   Product;

---- 正常方法
INSERT INTO ProductCopy (product_id, product_name, product_type, 
sale_price, purchase_price, regist_date)
SELECT product_id, product_name, product_type, sale_price,
purchase_price, regist_date
  FROM Product;

不存在表的情况下（备份表操作）：
但是不保留主外键

SELECT *  INTO  ProductCopy20180502 FROM ProductCopy

第五章复杂查询

5-2 子查询

标量子查询

标量就是单一的意思，在数据库之外的领域也经常使用
而标量子查询则有一个特殊的限制，那就是必须而且只能返回1行1列的结果。

标量子查询就是返回单一值的子查询。

例子：

-- 在WHERE子句中不能使用聚合函数
SELECT product_id, product＿name, sale_price
  FROM Product
 WHERE sale_price > AVG(sale_price);  --！报错：WHERE子句中不能使用聚合函数

WHERE子句中不能使用聚合函数，因此这样的SELECT语句是错误的。
下面是正确方式：

-- “查询出销售单价高于平均销售单价的商品。”
SELECT product_id, product_name, sale_price
  FROM Product
 WHERE sale_price > (SELECT AVG(sale_price)
   FROM Product);

5-3 关联子查询

选取出各
条件：商品种类中高于该商品种类的平均销售单价的商品
1.按照商品种类计算平均价格

SELECT AVG(sale_price)
  FROM Product
 GROUP BY product_type;

返回结果是多行结果，所以不能使用标量子查询。

这个时候改使用关联子查询。

SELECT product_type, product_name, sale_price
  FROM Product AS P1  
 WHERE sale_price > (SELECT AVG(sale_price)
                         FROM Product AS P2  
                      WHERE P1.product_type = P2.product_type --该条件是关键
                        GROUP BY product_type);

该条件的意思就是，在同一商品种类中对各商品的销售单价和平均单价进行比较。
在对表中某一部分记录的集合进行比较时，就可以使用关联子查询。

在细分的组内进行比较时，需要使用关联子查询。

大家还记得我们用来说明GROUP BY子句的图

使用关联子查询进行切分的图示也基本相同

我们首先需要计算各个商品种类中商品的平均销售单价，由于该单价会用来和商品表中的各条记录进行比较，因此关联子查询实际只能返回1行结果。这也是关联子查询不出错的关键。

关联子查询执行时DBMS内部的执行情况

练习题：

5.1 创建出满足下述三个条件的视图（视图名称为ViewPractice5_1）。使用Product（商品）表作为参照表，假设表中包含初始状态的 8行数据。
条件 1：销售单价大于等于1000日元。
条件 2：登记日期是2009年 9月 20日。
条件 3：包含商品名称、销售单价和登记日期三列。
对该视图执行SELECT语句的结果如下所示。

SELECT * FROM ViewPractice5_1;

执行结果

product_name	sale_price	regist_date
T恤衫	1000	2009-09-20
菜刀	3000	2009-09-20

5.2 向习题 5.1 中创建的视图 ViewPractice5_1中插入如下数据，会得到什么样的结果呢？

INSERT INTO ViewPractice5_1 VALUES ('刀子', 300, '2009-11-02');

　
5.3 请根据如下结果编写 SELECT语句，其中 sale_price_all列为全部商品的平均销售单价。

product_id	product_name	product_type	sale_price	sale_price_all
0001	T恤衫	衣服	1000	2097.5000000000000000
0002	打孔器	办公用品	500	2097.5000000000000000
0003	运动T恤	衣服	4000	2097.5000000000000000
0004	菜刀	厨房用具	3000	2097.5000000000000000
0005	高压锅	厨房用具	6800	2097.5000000000000000
0006	叉子	厨房用具	500	2097.5000000000000000
0007	擦菜板	厨房用具	880	2097.5000000000000000
0008	圆珠笔	办公用品	100	2097.5000000000000000

5.4 请根据习题5.1中的条件编写一条SQL语句，创建一幅包含如下数据的视图（名称为 AvgPriceByType）。
执行结果

product_id	product_name	product_type	sale_price	avg_sale_price
0001	T恤衫	衣服	1000	2500.0000000000000000
0002	打孔器	办公用品	500	300.0000000000000000
0003	运动T恤	衣服	4000	2500.0000000000000000
0004	菜刀	厨房用具	3000	2795.0000000000000000
0005	高压锅	厨房用具	6800	2795.0000000000000000
0006	叉子	厨房用具	500	2795.0000000000000000
0007	擦菜板	厨房用具	880	2795.0000000000000000
0008	圆珠笔	办公用品	100	300.0000000000000000

提示：其中的关键是avg_sale_price列。与习题5.3不同，这里需要计算出的是各商品种类的平均销售单价。这与5-3节中使用关联子查询所得到的结果相同。
也就是说，该列可以使用关联子查询进行创建。问题就是应该在什么地方使用这个关联子查询。

答案：

5.1 
CREATE VIEW ViewPractice5_1
AS (SELECT  product_name, sale_price, regist_date
FROM    dbo.Product
WHERE   sale_price >= 1000
        AND regist_date = '2009-09-20'
)

5.2 
对视图的更新归根结底是对视图所对应的表进行更新。因此，该INSERT语句实质上和下面的INSERT语句相同。
INSERT INTO Product (product_id, product_name, product_type, sale_price, purchase_price, regist_date) 
           VALUES (NULL, '刀子', NULL, 300, NULL, '2009-11-02');

5.3
SELECT  product_id, product_name, product_type, sale_price,
        ( SELECT    AVG(sale_price)  FROM  Product ) AS 'sale_Price_all'
FROM    dbo.Product;

5.4
方案一：
SELECT  product_id,product_name, product_type, sale_price,
       (
         SELECT AVG(sale_price) FROM Product P2
             WHERE P1.product_type = P2.product_type  --关键
             GROUP BY P2.product_type
       ) AS avg_sale_price
 FROM Product P1;
方案二：
SELECT p1.product_id, p1.product_name, p1.product_type, p1.sale_price,p2.avg_sale_price
        FROM dbo.Product p1
		LEFT JOIN 
		(SELECT product_type,AVG(sale_price) AS avg_sale_price FROM dbo.Product
GROUP BY product_type) p2 
ON p1.product_type = p2.product_type

第六章函数、谓词、CASE表达式

6-1 各种函数

字符串函数

创建表

-- DDL：创 建 表
CREATE TABLE SampleStr
(str1  VARCHAR(40),
 str2  VARCHAR(40),
 str3  VARCHAR(40))

-- DML：插 入 数 据
BEGIN TRANSACTION;  
INSERT INTO SampleStr (str1, str2, str3) VALUES ('opx' ,'rt',NULL);
INSERT INTO SampleStr (str1, str2, str3) VALUES ('abc' ,'def' ,NULL);
INSERT INTO SampleStr (str1, str2, str3) VALUES ('山田' ,'太郎' ,'是我');
INSERT INTO SampleStr (str1, str2, str3) VALUES ('aaa' ,NULL ,NULL);
INSERT INTO SampleStr (str1, str2, str3) VALUES (NULL ,'xyz',NULL);
INSERT INTO SampleStr (str1, str2, str3) VALUES ('@!#$%' ,NULL ,NULL);
INSERT INTO SampleStr (str1, str2, str3) VALUES ('ABC' ,NULL ,NULL);
INSERT INTO SampleStr (str1, str2, str3) VALUES ('aBC' ,NULL ,NULL);
INSERT INTO SampleStr (str1, str2, str3) VALUES ('abc太郎' ,'abc' ,'ABC');
INSERT INTO SampleStr (str1, str2, str3) VALUES ('abcdefabc' ,'abc' ,'ABC');
INSERT INTO SampleStr (str1, str2, str3) VALUES ('micmic' ,'i' ,'I');
COMMIT;

拼接 +或者||
LENGTH——字符串长度
LOWER——小写转换
REPLACE——字符串的替换

REPLACE(对象字符串，替换前的字符串，替换后的字符串)

  SELECT str1, str2, str3,
       REPLACE(str1, str2, str3) AS rep_str
  FROM SampleStr;

SUBSTRING——字符串的截取

--（PostgreSQL/MySQL专用语法）
SUBSTRING（对象字符串 FROM 截取的起始位置 FOR 截取的字符数）
-- sqlserver专用
SUBSTRING(对象字符串，截取的起始位置，截取的字符数)

SELECT str1,
       SUBSTRING(str1, 3, 2) AS sub_str
  FROM SampleStr;

UPPER——大写转换

日期函数

获取当前日期和时间

--SQL Server，PostgreSQL，MySQL
SELECT CURRENT_TIMESTAMP
--2018-05-03 17:21:07.763

获取当前日期

--PostgreSQL MySQL
SELECT CURRENT_DATE;
--2018-05-03

--SqlServer
SELECT CAST(CURRENT_TIMESTAMP AS DATE) AS CUR_DATE;
--2018-05-03

取得当前时间

--PostgreSQL MySQL
SELECT CURRENT_TIME;
--17:21:07.995+09

--SqlServer  使用CAST函数将CURRENT_TIMESTAMP转换为时间类型
SELECT CAST(CURRENT_TIMESTAMP AS TIME) AS CUR_TIME;
--17:21:07.7630000

EXTRACT——截取日期元素

EXTRACT(日期元素 FROM 日期)

-- PostgreSQL MySQL
SELECT CURRENT_TIMESTAMP,
 EXTRACT(YEAR FROM CURRENT_TIMESTAMP) AS year,
 EXTRACT(MONTH FROM CURRENT_TIMESTAMP) AS month,
 EXTRACT(DAY FROM CURRENT_TIMESTAMP) AS day,
 EXTRACT(HOUR FROM CURRENT_TIMESTAMP) AS hour,
 EXTRACT(MINUTE FROM CURRENT_TIMESTAMP) AS minute,
 EXTRACT(SECOND FROM CURRENT_TIMESTAMP) AS second;

--SQL Server  （使用如下的DATEPART函数）
SELECT CURRENT_TIMESTAMP,
       DATEPART(YEAR   , CURRENT_TIMESTAMP) AS year,
       DATEPART(MONTH  , CURRENT_TIMESTAMP) AS month,
       DATEPART(DAY    , CURRENT_TIMESTAMP) AS day,
       DATEPART(HOUR   , CURRENT_TIMESTAMP) AS hour,
       DATEPART(MINUTE , CURRENT_TIMESTAMP) AS minute,
       DATEPART(SECOND , CURRENT_TIMESTAMP) AS second;

6-2 谓词

EXIST谓词

“判断是否存在满足某种条件的记录”，如果存在这样的记录就返回真（TRUE），如果不存在就返回假（FALSE）。
EXIST（存在）谓词的主语是“记录”。

① EXIST的使用方法与之前的都不相同。
② 语法理解起来比较困难。
③ 实际上即使不使用EXIST，基本上也都可以使用IN（或者NOT IN）来代替。

例子：使用EXIST选取出“大阪店在售商品的销售单价”

--exists谓词
SELECT  p.product_name,  p.sale_price
        FROM dbo.Product p
WHERE   exists (
SELECT product_id FROM dbo.ShopProduct sp WHERE shop_id = '000C'
AND p.product_id = sp.product_id
)

-- IN谓词
  SELECT product_name, sale_price
  FROM Product
  WHERE product_id IN (SELECT product_id 
                        FROM ShopProduct
                       WHERE shop_id = '000C');

product_name	sale_price
叉子	500
运动T恤	4000
菜刀	3000
擦菜板	880

EXIST的参数
之前我们学过的谓词，基本上都是像“列 LIKE 字符串”或者“列 BETWEEN 值1 AND 值2”这样需要指定2个以上的参数，而EXIST的左侧并没有任何参数。很奇妙吧？这是因为EXIST是只有1个参数的谓词。EXIST只需要在右侧书写1个参数，该参数通常都会是一个子查询。

 (
SELECT product_id FROM dbo.ShopProduct sp WHERE shop_id = '000C'
AND p.product_id = sp.product_id
)

上面这样的子查询就是唯一的参数。确切地说，由于通过条件SP.product_id = P.product_id将Product表和ShopProduct表进行了联接，因此作为参数的是关联子查询。EXIST通常都会使用关联子查询作为参数

6-3 Case表达式

CASE表达式的语法分为简单CASE表达式和搜索CASE表达式两种。

--简单 CASE 语法
CASE <表达式>
    WHEN <表达式> THEN <表达式>
    WHEN <表达式> THEN <表达式>
    WHEN <表达式> THEN <表达式>
        .         .         .
    ELSE <表达式>
END

--搜索 CASE 语法
CASE WHEN <求值表达式> THEN <表达式>
     WHEN <求值表达式> THEN <表达式>
     WHEN <求值表达式> THEN <表达式>
       .        .        .
     ELSE <表达式>
END

WHEN子句中的“<求值表达式>”就是类似“列 = 值”这样，我们也可以将其看作使用=、!=或者LIKE、BETWEEN等谓词编写出来的表达式。
例子：要得到如下结果

A：衣 服
B：办 公 用 品
C：厨 房 用 具

因为表中的记录并不包含“A： ”或者“B： ”这样的字符串，所以需要在SQL中进行添加。

SELECT  CASE WHEN product_type = '衣服' THEN 'A:' + product_type
             WHEN product_type = '办公用品' THEN 'B:' + product_type
             WHEN product_type = '厨房用具' THEN 'C:' + product_type
             ELSE NULL
        END
FROM    dbo.Product;

--简单CASE
SELECT  CASE product_type WHEN  '衣服' THEN 'A:' + product_type
             WHEN  '办公用品' THEN 'B:' + product_type
             WHEN  '厨房用具' THEN 'C:' + product_type
             ELSE NULL
        END
FROM    dbo.Product;

CASE表达式的书写位置

CASE表达式的便利之处就在于它是一个表达式。之所以这么说，是因为表达式可以书写在任意位置，也就是像“1 + 1”这样写在什么位置都可以的意思。例如，我们可以利用CASE表达式将下述SELECT语句结果中的行和列进行互换。
要实现下面的结果：

sum_price_clothes	sum_price_kitchen	sum_price_office
5000	11180	600

上述结果是根据商品种类计算出的销售单价的合计值，通常我们将商品种类列作为GROUP BY子句的聚合键来使用，但是这样得到的结果会以“行”的形式输出，而无法以列的形式进行排列。

SELECT product_type,
       SUM(sale_price) AS sum_price
  FROM Product
 GROUP BY product_type;

但是结果是：

product_type	sum_price
衣服	5000
办公用品	600
厨房用具	11180

我们可以像代码清单6-43那样在SUM函数中使用CASE表达式来获得一个3列的结果。

-- 对按照商品种类计算出的销售单价合计值进行 行列转换
SELECT SUM(CASE WHEN product_type = '衣服' 
  THEN sale_price ELSE 0 END) AS sum_price_clothes,
 SUM(CASE WHEN product_type = '厨房用具' 
  THEN sale_price ELSE 0 END) AS sum_price_kitchen,
 SUM(CASE WHEN product_type = '办公用品' 
  THEN sale_price ELSE 0 END) AS sum_price_office
  FROM Product;

练习题：

按照销售单价（sale_price）对练习 6.1中的 Product （商品）表中的商品进行如下分类。
● 低档商品：销售单价在1000日元以下（T恤衫、办公用品、叉子、擦菜板、圆珠笔）
● 中档商品：销售单价在1001日元以上3000日元以下（菜刀）
● 高档商品：销售单价在3001日元以上（运动T恤、高压锅）
请编写出统计上述商品种类中所包含的商品数量的 SELECT语句，结果如下所示。

low_price	mid_price	high_price
5	1	2

答案：

 SELECT 
 COUNT(CASE when sale_price<=1000 THEN sale_price END) AS low_price,
 COUNT(CASE when sale_price>1001 AND sale_price<=3000 THEN sale_price END) AS mid_price,
 COUNT(CASE when sale_price>3001 THEN sale_price END) AS high_price
 FROM dbo.Product

第八章 SQL高级处理

8-1 窗口函数（OLAP函数或分析函数）

窗口语法

<窗口函数> OVER ([PARTITION BY <列清单>] 
                     ORDER BY <排序用列清单>)

其中重要的关键字是PARTITION BY和ORDER BY，理解这两个关键字的作用是帮助我们理解窗口函数的关键。

① 能够作为窗口函数的聚合函数（SUM、AVG、COUNT、MAX、MIN）
② RANK、DENSE_RANK、ROW_NUMBER等专用窗口函数

例子：根据不同的商品种类，按照销售单价从低到高的顺序创建排序表

product_name	product_type	sale_price	ranking
叉子	厨房用具	500	1
擦菜板	厨房用具	880	2
菜刀	厨房用具	3000	3
高压锅	厨房用具	6800	4
T恤衫	衣服	1000	1
运动T恤	衣服	4000	2
圆珠笔	办公用品	100	1
打孔器	办公用品	500	2

SELECT product_name, product_type, sale_price,
       RANK () OVER (PARTITION BY product_type
                         ORDER BY sale_price) AS ranking
  FROM Product;

PARTITION BY能够设定排序的对象范围。本例中，为了按照商品种类进行排序，我们指定了product_type。
ORDER BY能够指定按照哪一列、何种顺序进行排序。为了按照销售单价的升序进行排列，我们指定了sale_price。此外，窗口函数中的ORDER BY与SELECT语句末尾的ORDER BY一样，可以通过关键字ASC/DESC来指定升序和降序。

窗口函数兼具分组和排序两种功能。

通过 PARTITION BY分组后的记录集合称为窗口。此处的窗口并非“窗户”的意思，而是代表范围。这也是“窗口函数”名称的由来。

无需指定PARTITION BY

SELECT product_name, product_type, sale_price, 
       RANK () OVER (ORDER BY sale_price) AS ranking
  FROM Product;

product_name	product_type	sale_price	ranking
圆珠笔	办公用品	100	1
叉子	厨房用具	500	2
打孔器	办公用品	500	2
擦菜板	厨房用具	880	4
T恤衫	衣服	1000	5
菜刀	厨房用具	3000	6
运动T恤	衣服	4000	7
高压锅	厨房用具	6800	8

专用窗口函数的种类

RANK函数
计算排序时，如果存在相同位次的记录，则会跳过之后的位次。
例）有 3条记录排在第 1位时：1位、1位、1位、4位……
DENSE_RANK函数
同样是计算排序，即使存在相同位次的记录，也不会跳过之后的位次。
例）有 3条记录排在第 1位时：1位、1位、1位、2位……
ROW_NUMBER函数
赋予唯一的连续位次。
例）有 3条记录排在第 1位时：1位、2位、3位、4位……

  SELECT product_name, product_type, sale_price, 
 RANK () OVER (ORDER BY sale_price) AS ranking,
 DENSE_RANK () OVER (ORDER BY sale_price) AS dense_ranking,
 ROW_NUMBER () OVER (ORDER BY sale_price) AS row_num
 FROM Product;

作为窗口函数使用的聚合函数

将SUM函数作为窗口函数使用

SELECT product_id, product_name, sale_price,
    　SUM(sale_price) OVER (ORDER BY product_id) AS current_sum
  FROM Product;

计算该合计值的逻辑就像金字塔堆积那样，一行一行逐渐添加计算对象。在按照时间序列的顺序，计算各个时间的销售额总额等的时候，通常都会使用这种称为累计的统计方法。

将AVG函数作为窗口函数使用

SELECT product_id, product_name, sale_price,
     AVG (sale_price) OVER (ORDER BY product_id) AS current_avg
  FROM Product;

计算移动平均

窗口函数就是将表以窗口为单位进行分割，并在其中进行排序的函数。其实其中还包含在窗口中指定更加详细的汇总范围的备选功能，该备选功能中的汇总范围称为框架。
需要在ORDER BY子句之后使用指定范围的关键字。

--指定“最靠近的3行”作为汇总对象
SELECT product_id, product_name, sale_price,
       AVG (sale_price) OVER (ORDER BY product_id
                                ROWS 2 PRECEDING) AS moving_avg
  FROM Product;

这里我们使用了ROWS（“行”）和PRECEDING（“之前”）两个关键字，将框架指定为“截止到之前~行 ”，因此 “ROWS 2 PRECEDING”就是将框架指定为“截止到之前2行”，也就是将作为汇总对象的记录限定为如下的“最靠近的3行 ”

这样的统计方法称为移动平均（moving average）。由于这种方法在希望实时把握“最近状态”时非常方便，因此常常会应用在对股市趋势的实时跟踪当中。
使用关键字FOLLOWING（“ 之后 ”）替换PRECEDING，就可以指定“截止到之后~行”作为框架了（图8-3）。

8-2 GROUPING运算符

同时得到合计行

使用GROUP BY无法得到合计行

SELECT product_type, SUM(sale_price)
  FROM Product
 GROUP BY product_type;

product_type	sum
衣服	5000
办公用品	600
厨房用具	11180

如果想要获得那样的结果，通常的做法是分别计算出合计行和按照商品种类进行汇总的结果，然后通过 UNION ALL 连接在一起（代码清单8-11）。

SELECT '合计' AS product_type, SUM(sale_price)
  FROM Product
UNION ALL
SELECT product_type, SUM(sale_price)
  FROM Product
GROUP BY product_type;

product_type	sum
合计	16780
衣服	5000
办公用品	600
厨房用具	11180

这样一来，为了得到想要的结果，需要执行两次几乎相同的SELECT语句，再将其结果进行连接，不但看上去十分繁琐，而且DBMS内部的处理成本也非常高，难道没有更合适的实现方法了吗？

ROLLUP——同时得出合计和小计

ROLLUP的中文翻译是汇总，卷曲，比如卷起百叶窗、窗帘卷，等等。其名称也形象地说明了该操作能够得到像从小计到合计这样，从最小的聚合级开始，聚合单位逐渐扩大的结果。

GROUPING运算符包含以下3种

ROLLUP
CUBE
GROUPING SETS

该运算符的作用，一言以蔽之，就是“一次计算出不同聚合键组合的结果”

SELECT product_type, SUM(sale_price) AS sum_price
  FROM Product
 GROUP BY ROLLUP(product_type);

■将“登记日期”添加到聚合键当中
在GROUP BY中添加“登记日期”（不使用ROLLUP）

SELECT product_type, regist_date, SUM(sale_price) AS sum_price
  FROM Product
 GROUP BY product_type, regist_date;

在GROUP BY中添加“登记日期”（使用ROLLUP）

 SELECT product_type, regist_date, SUM(sale_price) AS sum_price
  FROM Product
 GROUP BY ROLLUP(product_type, regist_date);

GROUPING函数——让NULL更加容易分辨

之前使用ROLLUP所得到的结果有些蹊跷，问题就出在“衣服”的分组之中，有两条记录的regist_date列为NULL，但其原因却并不相同。

为了避免混淆，SQL提供了一个用来判断超级分组记录（合计行记录）的NULL的特定函数—— GROUPING函数。
该函数在其参数列的值为超级分组记录所产生的NULL时返回1，其他情况返回0。

SELECT GROUPING(product_type) AS product_type, 
            GROUPING(regist_date) AS regist_date, SUM(sale_price) AS sum_price
  FROM Product
 GROUP BY ROLLUP(product_type, regist_date);

这样就能分辨超级分组记录中的NULL和原始数据本身的NULL了。

在超级分组记录的键值中插入恰当的字符串

SELECT  CASE WHEN GROUPING(product_type) = 1 THEN '商品种类 合计'
             ELSE product_type
        END AS product_type,
        CASE WHEN GROUPING(regist_date) = 1 THEN '登记日期 合计'
             ELSE CAST(regist_date AS NVARCHAR(16)) 
        END AS regist_date, SUM(sale_price) AS sum_price
FROM    Product
GROUP BY ROLLUP(product_type, regist_date);

CUBE——用数据来搭积木

CUBE是“立方体”的意思，这个名字和ROLLUP一样，都能形象地说明函数的动作。

SELECT  CASE WHEN GROUPING(product_type) = 1 THEN '商品种类 合计'
             ELSE product_type
        END AS product_type,
        CASE WHEN GROUPING(regist_date) = 1 THEN '登记日期 合计'
             ELSE CAST(regist_date AS NVARCHAR(16)) 
        END AS regist_date, SUM(sale_price) AS sum_price
FROM    Product
GROUP BY cube(product_type, regist_date)

在ROLLUP的基础上多出几条，多出来的记录就是只把regist_date作为聚合键所得到的汇总结果。

CUBE与ROLLUP的区别

等价于

SELECT  CASE WHEN GROUPING(product_type) = 1 THEN '商品种类 合计'
             ELSE product_type
        END AS product_type,
        CASE WHEN GROUPING(regist_date) = 1 THEN '登记日期 合计'
             ELSE CAST(regist_date AS NVARCHAR(16)) 
        END AS regist_date, SUM(sale_price) AS sum_price
FROM    Product
GROUP BY ROLLUP(product_type, regist_date)
UNION
SELECT '商品种类 合计',CAST(regist_date AS VARCHAR(16)),SUM(sale_price) FROM Product
GROUP BY regist_date

所谓CUBE，就是将GROUP BY子句中聚合键的“所有可能的组合”的汇总结果集中到一个结果中。因此，组合的个数就是2ⁿ（n是聚合键的个数）。本例中聚合键有2个，所以2² = 4。如果再添加1个变为3个聚合键的话，就是2³ = 8

GROUPING SETS——取得期望的积木

如果希望从中选取出将“商品种类”和“登记日期”各自作为聚合键的结果，或者不想得到“合计记录和使用2个聚合键的记录”时，可以使用GROUPING SETS

SELECT CASE WHEN GROUPING(product_type) = 1 
            THEN '商品种类 合计'
            ELSE product_type END AS product_type,
       CASE WHEN GROUPING(regist_date) = 1 
            THEN '登记日期 合计'
            ELSE CAST(regist_date AS VARCHAR(16)) END AS regist_date,
       SUM(sale_price) AS sum_price
  FROM Product
 GROUP BY GROUPING SETS (product_type, regist_date);

上述结果中也没有全体的合计行（16780日元）。与ROLLUP或者CUBE能够得到规定的结果相对，GROUPING SETS用于从中取出个别条件对应的不固定的结果。

《SQL基础教程》

第一章 数据库与SQL

表定义的更新（ALTER TABLE语句）

变更表名：

第三章 聚合与排序

3-1 对表进行聚合查询

计算表中数据的行数

计算NULL之外的数据的行数

第四章 数据的更新

4-1 数据的插入

从其他表复制数据

第五章 复杂查询

5-2 子查询

标量子查询

5-3 关联子查询

练习题：

第六章 函数、谓词、CASE表达式

6-1 各种函数

字符串函数

日期函数

6-2 谓词

EXIST谓词

6-3 Case表达式

CASE表达式的书写位置

练习题：

第八章 SQL高级处理

8-1 窗口函数（OLAP函数 或 分析函数）

窗口语法

无需指定PARTITION BY

专用窗口函数的种类

作为窗口函数使用的聚合函数

计算移动平均

8-2 GROUPING运算符

同时得到合计行

ROLLUP——同时得出合计和小计

GROUPING函数——让NULL更加容易分辨

CUBE——用数据来搭积木

GROUPING SETS——取得期望的积木

第一章数据库与SQL

第三章聚合与排序

第四章数据的更新

第五章复杂查询

第六章函数、谓词、CASE表达式

8-1 窗口函数（OLAP函数或分析函数）