Funções de agregação intermediárias

Automação de Pipelines de Dados no Snowflake

Emily Melhuish

Technical Curriculum Developer, Snowflake

Ordem de execução

Ordem de execução.png

O SQL não roda na ordem que você escreve

  1. Linhas: monte o dataset
  2. Grupos: resuma
  3. Resultado: molde a saída
1 * Snowflake Learning Material
Automação de Pipelines de Dados no Snowflake

Funções de agregação comuns

  • COUNT(*) / COUNT(DISTINCT col) — linhas totais; valores únicos
  • SUM — total da coluna
  • AVG — média
  • MIN / MAX — intervalo
SELECT COUNT(*) AS total_shipments,
       COUNT(DISTINCT carrier_id) AS unique_carriers,
       SUM(delivery_days) AS total_days,
       AVG(delivery_days) AS avg_days
FROM shipments;
Automação de Pipelines de Dados no Snowflake

O problema com várias consultas

Retornar uso por região e warehouse

SELECT 
region
, warehouse_name
, SUM(credits_used) 
FROM usage 
GROUP BY region, warehouse_name; 

Retornar subtotais por região

SELECT region
, SUM(credits_used) 
FROM usage GROUP BY region; 

Retornar total geral

SELECT 
SUM(credits_used) 
FROM usage;
Automação de Pipelines de Dados no Snowflake

GROUPING SETS

Entrada

SELECT region
, warehouse_name
, SUM(credits_used) AS total 
FROM usage 
GROUP BY GROUPING SETS ( 
  (region, warehouse_name)
  , (region)
  , () 
);

Saída

REGION WAREHOUSE_NAME TOTAL
EMEA harbr_wh_prod 1240.50
EMEA harbr_wh_dev 380.00
EMEA NULL 1620.50
APAC harbr_wh_prod 890.25
APAC NULL 890.25
NULL NULL 2510.75
  • Observação: Dê significado aos NULLs com CASE
Automação de Pipelines de Dados no Snowflake

ROLLUP

Entrada

SELECT 
region
, warehouse_name
, SUM(credits_used) AS total 
FROM usage 
GROUP BY ROLLUP (region, warehouse_name);

Saída

REGION WAREHOUSE_NAME TOTAL
EMEA harbr_wh_prod 1240.50
EMEA harbr_wh_dev 380.00
EMEA NULL 1620.50
APAC harbr_wh_prod 890.25
APAC NULL 890.25
NULL NULL 2510.75
Automação de Pipelines de Dados no Snowflake

CUBE

Entrada

SELECT 
region
, warehouse_name
, SUM(credits_used) AS total
FROM usage 
GROUP BY CUBE (region, warehouse_name);

Saída

REGION WAREHOUSE_NAME TOTAL
EMEA harbr_wh_prod 1240.50
EMEA harbr_wh_dev 380.00
EMEA NULL 1620.50
APAC harbr_wh_prod 890.25
APAC NULL 890.25 }
NULL harbr_wh_prod 2130.75
NULL harbr_wh_dev 380.00
NULL NULL 2510.75
Automação de Pipelines de Dados no Snowflake

GROUPING() e GROUPING_ID()

SELECT region, warehouse_name, SUM(credits_used) AS total_credits, GROUPING(region) AS is_region_agg, GROUPING(warehouse_name) AS is_wh_agg , 
GROUPING_ID(region, warehouse_name) AS grouping_level 
FROM usage 
GROUP BY ROLLUP (region, warehouse_name);

Captura de tela da saída da tabela em markdown

Automação de Pipelines de Dados no Snowflake

Vamos praticar!

Automação de Pipelines de Dados no Snowflake

Preparing Video For Download...