データベースにおいて、ROLLUP、CUBE、GROUPING SETSは多次元データ集計に使用される高度なSQL文です。これらの機能はGROUP BY句の機能を大幅に拡張し、ユーザーが単一のクエリで複数レベルの要約結果を取得できるようにします。これは、複数の集計文をUNION ALLで接続することと意味的に同等です。
ROLLUP: ROLLUPは階層要約を生成するために使用される操作です。指定された列の順序に従ってデータを集計し、最も細かい粒度から最高レベルまで段階的に要約します。例えば、売上データにおいて、ROLLUPを使用して地域と時間で要約し、月ごとの各地域の売上、各地域の総売上、および全体の総売上を提供できます。ROLLUPは段階的な要約が必要なシナリオに適しています。
CUBE: CUBEはより強力な集計操作で、可能なすべての要約の組み合わせを生成します。ROLLUPとは異なり、CUBEはすべての次元のサブセットを計算します。例えば、製品と地域で集計された売上データの場合、CUBEは各地域の各製品の売上、各製品の総売上、各地域の総売上、および全体の総売上を計算します。CUBEは、ビジネス分析や市場調査など、包括的な多次元分析が必要なシナリオに適用できます。
GROUPING SETS: GROUPING SETSは特定のグループ化セットを集計する際の柔軟性を提供します。ROLLUPやCUBEのようにすべての可能な組み合わせを生成するのではなく、ユーザーが独立した集計のための列の組み合わせのセットを指定できます。例えば、各次元のすべての組み合わせを必要とすることなく、地域と時間の特定の組み合わせの要約を定義できます。GROUPING SETSは、カスタマイズされた要約が必要なシナリオに適しており、柔軟な集計制御を提供します。
ROLLUP、CUBE、GROUPING SETSは強力な多次元データ要約機能を提供し、さまざまなデータ分析とレポートのニーズに対応し、複雑な集計計算をよりシンプルで効率的にします。以下のセクションでは、これらの機能の使用シナリオ、構文、および例について詳しく説明します。
ROLLUPは、時間、地理、カテゴリなどの階層次元に沿ってデータを要約するのに特に有用です。例えば、クエリでROLLUP(year, month, day)や(country, Province, city)を指定できます。
ROLLUPの構文は次のとおりです：
SELECT … GROUP BY ROLLUP(grouping_column_reference_list)
以下は、年と月別に売上合計を分析するクエリの例です：
SELECT YEAR(d_date), MONTH(d_date), SUM(ss_net_paid) AS total_sum FROM store_sales, date_dim d1 WHERE d1.d_date_sk = ss_sold_date_sk AND YEAR(d_date) IN (2001, 2002) AND MONTH(d_date) IN (1, 2, 3) GROUP BY ROLLUP(YEAR(d_date), MONTH(d_date)) ORDER BY YEAR(d_date), MONTH(d_date);
このクエリは時間ごとにデータを集計し、年別の売上小計、各年内の月別売上、および売上総計を計算します。クエリ結果は以下の通りです：
+--------------+---------------+-------------+ | YEAR(d_date) | MONTH(d_date) | total_sum | +--------------+---------------+-------------+ | NULL | NULL | 54262669.17 | | 2001 | NULL | 26640320.46 | | 2001 | 1 | 9982165.83 | | 2001 | 2 | 8454915.34 | | 2001 | 3 | 8203239.29 | | 2002 | NULL | 27622348.71 | | 2002 | 1 | 11260654.35 | | 2002 | 2 | 7722750.61 | | 2002 | 3 | 8638943.75 | +--------------+---------------+-------------+ 9 rows in set (0.08 sec)
CUBEは、単一次元の異なるレベルを表すカラムではなく、複数の独立した次元のカラムを含むクエリに最も適しています。例えば、一般的な使用シナリオは、月、地域、製品のすべての組み合わせを集計することです。これらは3つの独立した次元であり、すべての可能な小計の組み合わせを分析することが一般的です。対照的に、年、月、日のすべての可能な組み合わせをクロス集計すると、時間次元の自然な階層により、いくつかの不要な値が含まれることになります。ほとんどの分析では、月と日で計算された利益などの小計は不要です。比較的少数のユーザーが「年間を通じて各月の16日の総売上はいくらか？」といったことを問う必要があります。
CUBEの構文は以下の通りです：
SELECT … GROUP BY CUBE(grouping_column_reference_list)
使用例:
SELECT YEAR(d_date), i_category, ca_state, SUM(ss_net_paid) AS total_sum FROM store_sales, date_dim d1, item, customer_address ca WHERE d1.d_date_sk = ss_sold_date_sk AND i_item_sk = ss_item_sk AND ss_addr_sk = ca_address_sk AND i_category IN ("Books", "Electronics") AND YEAR(d_date) IN (1998, 1999) AND ca_state IN ("LA", "AK") GROUP BY CUBE(YEAR(d_date), i_category, ca_state) ORDER BY YEAR(d_date), i_category, ca_state;
クエリ結果は以下の通りで、次の計算を行います：
総売上合計
年別、商品カテゴリ別、州別の売上小計
各年内の商品カテゴリ別売上小計、各商品の州別売上小計、各年内の州別売上小計、各州・年内の商品カテゴリ別売上小計
+--------------+-------------+----------+------------+ | YEAR(d_date) | i_category | ca_state | total_sum | +--------------+-------------+----------+------------+ | NULL | NULL | NULL | 8690374.60 | | NULL | NULL | AK | 2675198.33 | | NULL | NULL | LA | 6015176.27 | | NULL | Books | NULL | 4238177.69 | | NULL | Books | AK | 1310791.36 | | NULL | Books | LA | 2927386.33 | | NULL | Electronics | NULL | 4452196.91 | | NULL | Electronics | AK | 1364406.97 | | NULL | Electronics | LA | 3087789.94 | | 1998 | NULL | NULL | 4369656.14 | | 1998 | NULL | AK | 1402539.19 | | 1998 | NULL | LA | 2967116.95 | | 1998 | Books | NULL | 2213703.82 | | 1998 | Books | AK | 719911.29 | | 1998 | Books | LA | 1493792.53 | | 1998 | Electronics | NULL | 2155952.32 | | 1998 | Electronics | AK | 682627.90 | | 1998 | Electronics | LA | 1473324.42 | | 1999 | NULL | NULL | 4320718.46 | | 1999 | NULL | AK | 1272659.14 | | 1999 | NULL | LA | 3048059.32 | | 1999 | Books | NULL | 2024473.87 | | 1999 | Books | AK | 590880.07 | | 1999 | Books | LA | 1433593.80 | | 1999 | Electronics | NULL | 2296244.59 | | 1999 | Electronics | AK | 681779.07 | | 1999 | Electronics | LA | 1614465.52 | +--------------+-------------+----------+------------+ 27 rows in set (0.21 sec)
このセクションでは、ROLLUP と CUBE を使用する際の2つの課題に対処する方法を紹介します：
結果セット内でどの行が小計を表すかをプログラム的に特定し、指定された小計に対応する集約レベルを正確に決定する方法。小計は合計に対する割合などの計算でよく必要となるため、これらの小計行を特定する便利な方法が必要です。
クエリ結果に実際に格納されている NULL 値と ROLLUP または CUBE 操作によって生成される “NULL” 値の両方が含まれる場合、別の問題が発生します：これら2つのタイプの NULL 値をどのように区別するかです。
GROUPING、GROUPING_ID、および GROUPING SETS は、前述の課題を効果的に解決できます。
1. 原理
GROUPING は単一の列をパラメータとして使用し、ROLLUP または CUBE 操作によって作成された NULL 値に遭遇した場合に 1 を返し、その行が小計であることを示します。その他のタイプの値（テーブルデータに本来存在する NULL を含む）は 0 を返します。
例：
select year(d_date), month(d_date), sum(ss_net_paid) as total_sum, grouping(year(d_date)), grouping(month(d_date)) from store_sales, date_dim d1 where d1.d_date_sk = ss_sold_date_sk and year(d_date) in (2001, 2002) and month(d_date) in (1, 2, 3) group by rollup(year(d_date), month(d_date)) order by year(d_date), month(d_date);
(YEAR(d_date), MONTH(d_date))グループのGROUPING関数の結果は、年月別の集計で(0,0)です。
(YEAR(d_date))グループのGROUPING関数の結果は、年別の集計で(0,1)です。
()グループのGROUPING関数の結果は、全体の集計で(1,1)です。
クエリ結果:
+--------------+---------------+-------------+------------------------+-------------------------+ | year(d_date) | month(d_date) | total_sum | Grouping(year(d_date)) | Grouping(month(d_date)) | +--------------+---------------+-------------+------------------------+-------------------------+ | NULL | NULL | 54262669.17 | 1 | 1 | | 2001 | NULL | 26640320.46 | 0 | 1 | | 2001 | 1 | 9982165.83 | 0 | 0 | | 2001 | 2 | 8454915.34 | 0 | 0 | | 2001 | 3 | 8203239.29 | 0 | 0 | | 2002 | NULL | 27622348.71 | 0 | 1 | | 2002 | 1 | 11260654.35 | 0 | 0 | | 2002 | 2 | 7722750.61 | 0 | 0 | | 2002 | 3 | 8638943.75 | 0 | 0 | +--------------+---------------+-------------+------------------------+-------------------------+ 9 rows in set (0.06 sec)
2. 使用シナリオ、構文、および例
GROUPING関数は結果をフィルタリングするために使用できます。例：
select year(d_date), i_category, ca_state, sum(ss_net_paid) as total_sum from store_sales, date_dim d1, item, customer_address ca where d1.d_date_sk = ss_sold_date_sk and i_item_sk = ss_item_sk and ss_addr_sk=ca_address_sk and i_category in ("Books", "Electronics") and year(d_date) in(1998, 1999) and ca_state in ("LA", "AK") group by cube(year(d_date), i_category, ca_state) having grouping(year(d_date))=1 and grouping(i_category)=1 and grouping(ca_state)=1 or grouping(year(d_date))=0 and grouping(i_category)=1 and grouping(ca_state)=1 or grouping(year(d_date))=1 and grouping(i_category)=1 and grouping(ca_state)=0 order by year(d_date), i_category, ca_state;
HAVING句でGROUPING関数を使用すると、総売上、年別に集計された売上、および地域別に集計された売上のみが保持されます。クエリ結果：
+---------------------+------------+----------+------------+ | year(`d1`.`d_date`) | i_category | ca_state | total_sum | +---------------------+------------+----------+------------+ | NULL | NULL | NULL | 8690374.60 | | NULL | NULL | AK | 2675198.33 | | NULL | NULL | LA | 6015176.27 | | 1998 | NULL | NULL | 4369656.14 | | 1999 | NULL | NULL | 4320718.46 | +---------------------+------------+----------+------------+ 5 rows in set (0.13 sec)
GROUPING関数をIF関数と組み合わせて使用することで、クエリの可読性を向上させることもできます。例：
select if(grouping(year(d_date)) = 1, "Multi-year sum", year(d_date)) as year, if(grouping(i_category) = 1, "Multi-category sum", i_category) as category, sum(ss_net_paid) as total_sum from store_sales, date_dim d1, item, customer_address ca where d1.d_date_sk = ss_sold_date_sk and i_item_sk = ss_item_sk and ss_addr_sk = ca_address_sk and i_category in ("Books", "Electronics") and year(d_date) in (1998, 1999) and ca_state in ("LA", "AK") group by cube(year(d_date), i_category)
クエリ結果:
+----------------+--------------------+------------+ | year | category | total_sum | +----------------+--------------------+------------+ | 1998 | Books | 2213703.82 | | 1998 | Electronics | 2155952.32 | | 1999 | Electronics | 2296244.59 | | 1999 | Books | 2024473.87 | | 1998 | Multi-category sum | 4369656.14 | | 1999 | Multi-category sum | 4320718.46 | | Multi-year sum | Books | 4238177.69 | | Multi-year sum | Electronics | 4452196.91 | | Multi-year sum | Multi-category sum | 8690374.60 | +----------------+--------------------+------------+ 9 rows in set (0.09 sec)
1. 使用シナリオ
データベースにおいて、GROUPING_IDとGROUPING関数は共に多次元データ集約クエリ（ROLLUPやCUBEなど）を処理するための補助関数として機能し、ユーザーが異なるレベルの集約結果を区別するのに役立ちます。特定の行の集約レベルを決定したい場合、単一列だけの計算結果では不十分であるため、すべてのGROUP BY列を計算するためにGROUPING関数を使用する必要があります。
GROUPING_ID関数は、複数の列を同時に検出できるため、GROUPINGよりも強力です。GROUPING_ID関数は複数の列をパラメータとして受け取り、これらの列の集約状態をバイナリビットで表現する整数を返します。計算結果を格納するためにテーブルまたはマテリアライズドビューを使用する場合、異なるレベルの集約を表現するためにGROUPINGを使用すると、相当なストレージスペースを消費する可能性があります。このようなシナリオでは、GROUPING_IDがより適切です。
CUBE(a, b)を例にとると、そのGROUPING_IDは以下のように表現できます：
| Aggregation Level | Bit Vector | GROUPING_ID | GROUPING(a) | GROUPING(b) |
|---|---|---|---|---|
| a,b | 0 0 | 0 | 0 | 0 |
| a | 0 1 | 1 | 0 | 1 |
| b | 1 0 | 2 | 1 | 0 |
| Grand Total | 1 1 | 3 | 1 | 1 |
2. 構文と例
以下はSQLクエリの例です：
SELECT year(d_date), i_category, SUM(ss_net_paid) AS total_sum, GROUPING(year(d_date)), GROUPING(i_category), GROUPING_ID(year(d_date), i_category) FROM store_sales, date_dim d1, item, customer_address ca WHERE d1.d_date_sk = ss_sold_date_sk AND i_item_sk = ss_item_sk AND ss_addr_sk = ca_address_sk AND i_category IN ('Books', 'Electronics') AND year(d_date) IN (1998, 1999) AND ca_state IN ('LA', 'AK') GROUP BY CUBE(year(d_date), i_category);
クエリ結果は以下の通りです：
+--------------+-------------+------------+------------------------+----------------------+---------------------------------------+ | year(d_date) | i_category | total_sum | GROUPING(year(d_date)) | GROUPING(i_category) | GROUPING_ID(year(d_date), i_category) | +--------------+-------------+------------+------------------------+----------------------+---------------------------------------+ | 1998 | Electronics | 2155952.32 | 0 | 0 | 0 | | 1998 | Books | 2213703.82 | 0 | 0 | 0 | | 1999 | Electronics | 2296244.59 | 0 | 0 | 0 | | 1999 | Books | 2024473.87 | 0 | 0 | 0 | | 1998 | NULL | 4369656.14 | 0 | 1 | 1 | | 1999 | NULL | 4320718.46 | 0 | 1 | 1 | | NULL | Electronics | 4452196.91 | 1 | 0 | 2 | | NULL | Books | 4238177.69 | 1 | 0 | 2 | | NULL | NULL | 8690374.60 | 1 | 1 | 3 | +--------------+-------------+------------+------------------------+----------------------+---------------------------------------+ 9 rows in set (0.12 sec)
1. 使用シナリオ
作成するグループセットを選択的に指定する必要がある場合、GROUP BY句でGROUPING SETS式を使用できます。この方法により、ユーザーはCUBE全体を計算することなく、複数の次元にわたって正確に指定することができます。
CUBEクエリは通常大量のリソースを消費するため、少数の次元のみが対象の場合、GROUPING SETSを使用することでクエリ実行効率を向上させることができます。
2. 構文と例
GROUPING SETSの構文は以下の通りです：
SELECT … GROUP BY GROUPING SETS(grouping_column_reference_list)
以下が必要な場合：
年ごとの各製品カテゴリの売上小計
年ごとの各州の売上小計
年ごとの各州の各製品の売上小計
GROUPING SETSを使用してこれらの次元を指定し、集計を実行できます。以下に例を示します：
SELECT YEAR(d_date), i_category, ca_state, SUM(ss_net_paid) AS total_sum FROM store_sales, date_dim d1, item, customer_address ca WHERE d1.d_date_sk = ss_sold_date_sk AND i_item_sk = ss_item_sk AND ss_addr_sk = ca_address_sk AND i_category IN ('Books', 'Electronics') AND YEAR(d_date) IN (1998, 1999) AND ca_state IN ('LA', 'AK') GROUP BY GROUPING SETS( (YEAR(d_date), i_category), (YEAR(d_date), ca_state), (YEAR(d_date), ca_state, i_category) ) ORDER BY YEAR(d_date), i_category, ca_state;
クエリ結果:
+--------------+-------------+----------+------------+ | YEAR(d_date) | i_category | ca_state | total_sum | +--------------+-------------+----------+------------+ | 1998 | NULL | AK | 1402539.19 | | 1998 | NULL | LA | 2967116.95 | | 1998 | Books | NULL | 2213703.82 | | 1998 | Books | AK | 719911.29 | | 1998 | Books | LA | 1493792.53 | | 1998 | Electronics | NULL | 2155952.32 | | 1998 | Electronics | AK | 682627.90 | | 1998 | Electronics | LA | 1473324.42 | | 1999 | NULL | AK | 1272659.14 | | 1999 | NULL | LA | 3048059.32 | | 1999 | Books | NULL | 2024473.87 | | 1999 | Books | AK | 590880.07 | | 1999 | Books | LA | 1433593.80 | | 1999 | Electronics | NULL | 2296244.59 | | 1999 | Electronics | AK | 681779.07 | | 1999 | Electronics | LA | 1614465.52 | +--------------+-------------+----------+------------+ 16 rows in set (0.11 sec)
上記のアプローチはCUBEを使用することと同等ですが、具体的なgrouping_idを指定することで、不要な計算を削減します：
SELECT SUM(ss_net_paid) AS total_sum, YEAR(d_date), i_category, ca_state FROM store_sales, date_dim d1, item, customer_address ca WHERE d1.d_date_sk = ss_sold_date_sk AND i_item_sk = ss_item_sk AND ss_addr_sk = ca_address_sk AND i_category IN ('Books', 'Electronics') AND YEAR(d_date) IN (1998, 1999) AND ca_state IN ('LA', 'AK') GROUP BY CUBE(YEAR(d_date), ca_state, i_category) HAVING grouping_id(YEAR(d_date), ca_state, i_category) = 0 OR grouping_id(YEAR(d_date), ca_state, i_category) = 2 OR grouping_id(YEAR(d_date), ca_state, i_category) = 1;
:::info Note
CUBEを使用すると、可能なすべての集約レベルが計算されます（この場合は8つ）が、実際には、そのうちのいくつかにのみ関心がある場合があります。
:::
3. セマンティック等価
GROUPING SETS vs. GROUP BY UNION ALL
GROUPING SETSステートメント：
SELECT k1, k2, SUM(k3) FROM t GROUP BY GROUPING SETS ((k1, k2), (k1), (k2), ());
複数の GROUP BY クエリを UNION ALL で接続したクエリ結果と同等です：
SELECT k1, k2, SUM(k3) FROM t GROUP BY k1, k2 UNION ALL SELECT k1, NULL, SUM(k3) FROM t GROUP BY k1 UNION ALL SELECT NULL, k2, SUM(k3) FROM t GROUP BY k2 UNION ALL SELECT NULL, NULL, SUM(k3) FROM t;
UNION ALLを使用すると、より長いクエリになり、ベーステーブルの複数回のスキャンが必要になるため、記述と実行の両方において効率が劣ります。
GROUPING SETS vs. ROLLUP
ROLLUPはGROUPING SETSの拡張です。例：
SELECT a, b, c, SUM(d) FROM tab1 GROUP BY ROLLUP(a, b, c);
このROLLUPは以下のGROUPING SETSと同等です：
GROUPING SETS ( (a, b, c), (a, b), (a), () );
GROUPING SETS vs. CUBE
CUBE(a, b, c)は以下のGROUPING SETSと同等です：
GROUPING SETS ( (a, b, c), (a, b), (a, c), (a), (b, c), (b), (c), () );
テーブル作成文とデータファイルについては、Window Function 付録を参照してください。