Pokročilé agregační funkce

Automatizace datových pipeline ve Snowflake

Emily Melhuish

Technical Curriculum Developer, Snowflake

Pořadí operací

Order of operations.png

SQL se nevykonává v pořadí, v jakém je napsán

Řádky: sestavení datové sady
Skupiny: sumarizace
Výsledek: formování výstupu

¹ * Snowflake Learning Material

Běžné agregační funkce

COUNT(*) / COUNT(DISTINCT col) — počet řádků; jedinečné hodnoty
SUM — součet sloupce
AVG — průměrná hodnota
MIN / MAX — rozsah

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;

Problém s více dotazy

Využití podle oblasti a skladu

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

Mezisouhrny podle oblasti

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

Celkové využití

SELECT 
SUM(credits_used) 
FROM usage;

GROUPING SETS

Vstup

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

Výstup

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

Poznámka: Přidejte NULL hodnotám význam pomocí příkazu CASE

ROLLUP

Vstup

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

Výstup

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

CUBE

Vstup

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

Výstup

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

GROUPING() a 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);

Snímek obrazovky výstupu tabulky

Pojďme si to procvičit!

Automatizace datových pipeline ve Snowflake