Funcții de agregare intermediare

Automatizarea pipeline-urilor de date în Snowflake

Emily Melhuish

Technical Curriculum Developer, Snowflake

Ordinea operațiilor

Order of operations.png

SQL nu se execută în ordinea în care este scris

  1. Rânduri: construirea setului de date
  2. Grupuri: rezumarea datelor
  3. Rezultat: formatarea ieșirii
1 * Snowflake Learning Material
Automatizarea pipeline-urilor de date în Snowflake

Funcții de agregare comune

  • COUNT(*) / COUNT(DISTINCT col) — total rânduri; valori unice
  • SUM — total coloană
  • AVG — valoare medie
  • MIN / MAX — interval
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;
Automatizarea pipeline-urilor de date în Snowflake

Problema interogărilor multiple

Utilizare pe regiune și depozit

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

Subtotaluri pe regiune

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

Total general

SELECT 
SUM(credits_used) 
FROM usage;
Automatizarea pipeline-urilor de date în Snowflake

GROUPING SETS

Intrare

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

Ieșire

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
  • Notă: Adăugați semnificație valorilor NULL prin instrucțiunea CASE
Automatizarea pipeline-urilor de date în Snowflake

ROLLUP

Intrare

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

Ieșire

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
Automatizarea pipeline-urilor de date în Snowflake

CUBE

Intrare

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

Ieșire

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
Automatizarea pipeline-urilor de date în Snowflake

GROUPING() și 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);

Captură de ecran a ieșirii tabelului markdown

Automatizarea pipeline-urilor de date în Snowflake

Să exersăm!

Automatizarea pipeline-urilor de date în Snowflake

Preparing Video For Download...