Hive GROUPING SETS、CUBE与ROLLUP

> `GROUPING SETS` 子句是 `SELECT` 语句的 `GROUP BY` 子句的扩展。通过 `GROUPING SETS` 子句，你可采用多种方式对结果分组，而不必使用多个 `SELECT` 语句来实现这一目的。这就意味着，能够减少响应时间并提高性能。

## GROUPING SETS

> `GROUP BY` 中的 `GROUPING SETS` 子句允许我们在同一记录集中指定多个 `GROUP BY` 选项。所有 `GROUPING SETS` 子句都可以逻辑表示为 `UNION` 连接的几个`GROUP BY`查询。

* 等价写法

```sql
SELECT a, b, SUM(c) FROM tab1 GROUP BY a, b GROUPING SETS ( (a,b) )
--等价于
SELECT a, b, SUM(c) FROM tab1 GROUP BY a, b
```

```sql
SELECT a, b, SUM( c ) FROM tab1 GROUP BY a, b GROUPING SETS ( (a,b), a)
--等价于
SELECT a, b, SUM( c ) FROM tab1 GROUP BY a, b
UNION
SELECT a, null, SUM( c ) FROM tab1 GROUP BY a
```

```sql
SELECT a,b, SUM( c ) FROM tab1 GROUP BY a, b GROUPING SETS (a,b)
--等价于
SELECT a, null, SUM( c ) FROM tab1 GROUP BY a
UNION
SELECT null, b, SUM( c ) FROM tab1 GROUP BY b
```

```sql
SELECT a, b, SUM( c ) FROM tab1 GROUP BY a, b GROUPING SETS ( (a, b), a, b, ( ) )
--等价于
SELECT a, b, SUM( c ) FROM tab1 GROUP BY a, b
UNION
SELECT a, null, SUM( c ) FROM tab1 GROUP BY a, null
UNION
SELECT null, b, SUM( c ) FROM tab1 GROUP BY null, b
UNION
SELECT null, null, SUM( c ) FROM tab1
```

* GROUPING__ID

> GROUPING SETS　会对 GROUP BY 子句中的列进行多维组合，结果整体展现，对于没有参与 GROUP BY 的那一列置为 NULL 值。如果列本身值就为 NULL，则可能会发生冲突。这样我们就没有办法去区分该列显示的 NULL 值是列本身就是 NULL 值，还是因为该列没有参与 GROUP BY 而被置为 NULL 值。所以需要一些方法来识别列中的NULL，GROUPING__ID 函数就是为了解决这个问题而引入的。

> 此函数返回一个位向量，与每列是否存在对应。用二进制形式中的每一位来标示对应列是否参与 GROUP BY。Hive2.3.0版本之前，如果某一列参与了 GROUP BY，对应位就被置为1，否则为0。在这一版本，GROUPINGID 与位向量之间的关系比较别扭，GROUPINGID实际为位向量先反转之后再转为十进制的值。这一点，在Hive2.3.0版本得到解决，如果某一列参与了 GROUP BY，对应位就被置为0，否则为1。所以在使用 GROUPING__ID 时注意一下版本号。

> GROUPINGID 的值与 GROUP BY 表达式中列的取值和顺序有关，所以如果重新排列，GROUPINGID 对应的含义也会变化。

## CUBE

> CUBE 简称数据魔方，可以实现 Hive 多个任意维度的查询。CUBE 创建集合中所有可能组合。

例如：

```sql
GROUP BY a，b，c WITH CUBE
--等价于
GROUP BY a，b，c GROUPING SETS（（a，b，c），（a，b），（b，c），（a，c），（a），（b），（c），（））。
```

## ROLLUP

> ROLLUP 子句与 GROUP BY 一起使用用来计算维度上层次结构级别的聚合。ROLLUP 可以实现从右到左递减多级的统计。

例如：

```sql
GROUP BY a，b，c WITH ROLLUP
--等价于
GROUP BY a，b，c GROUPING SETS（（a，b，c），（a，b），（a），（））
```