گروه بر اساس بند 

GROUP BY بند کلید SELECT پرس و جو به حالت تجمع, که به شرح زیر کار می کند:

  • GROUP BY بند شامل یک لیست از عبارات (و یا یک عبارت واحد, که در نظر گرفته می شود لیستی از طول یک). این لیست به عنوان یک عمل می کند “grouping key”, در حالی که هر بیان فردی خواهد شد به عنوان یک اشاره “key expressions”.
  • تمام عبارات در SELECT, HAVING و ORDER BY بند باید بر اساس عبارات کلیدی محاسبه می شود یا روشن توابع مجموع بیش از عبارات غیر کلیدی (از جمله ستون ساده). به عبارت دیگر, هر ستون انتخاب شده از جدول باید یا در یک عبارت کلیدی و یا در داخل یک تابع جمع استفاده می شود, اما نه هر دو.
  • نتیجه جمع SELECT پرس و جو شامل ردیف به عنوان بسیاری از ارزش های منحصر به فرد وجود دارد “grouping key” در جدول منبع. معمولا این نشانه را کاهش می دهد تعداد ردیف, اغلب توسط سفارشات از قدر, اما نه لزوما: تعداد ردیف همان باقی می ماند اگر همه “grouping key” ارزش متمایز بودند.

پردازش پوچ 

برای گروه بندی, تفسیر کلیک NULL به عنوان یک ارزش, و NULL==NULL. این متفاوت است NULL پردازش در بسیاری از زمینه های دیگر.

در اینجا یک مثال برای نشان دادن این بدان معنی است.

فرض کنید شما باید این جدول:

┌─x─┬────y─┐
│ 1 │    2 │
│ 2 │ ᴺᵁᴸᴸ │
│ 3 │    2 │
│ 3 │    3 │
│ 3 │ ᴺᵁᴸᴸ │
└───┴──────┘

پرسوجو SELECT sum(x), y FROM t_null_big GROUP BY y نتایج در:

┌─sum(x)─┬────y─┐
│      4 │    2 │
│      3 │    3 │
│      5 │ ᴺᵁᴸᴸ │
└────────┴──────┘

شما می توانید ببینید که GROUP BY برای y = NULL خلاصه تا x, به عنوان اگر NULL این مقدار است.

اگر شما تصویب چند کلید به GROUP BY, نتیجه به شما تمام ترکیبی از انتخاب را, اگر NULL یک مقدار خاص بودند.

با اصلاح کننده بالغ 

اگر WITH TOTALS اصلاح مشخص شده است, ردیف دیگر محاسبه خواهد شد. این ردیف ستون های کلیدی حاوی مقادیر پیش فرض (صفر یا خطوط خالی) و ستون های توابع جمع شده با مقادیر محاسبه شده در تمام ردیف ها ( “total” ارزش ها).

این ردیف اضافی تنها در تولید JSON*, TabSeparated* و Pretty* فرمت ها به طور جداگانه از ردیف های دیگر:

  • داخل JSON* فرمت, این ردیف خروجی به عنوان یک جداگانه است ‘totals’ رشته.
  • داخل TabSeparated* فرمت, ردیف پس از نتیجه اصلی, قبل از یک ردیف خالی (پس از داده های دیگر).
  • داخل Pretty* فرمت, ردیف خروجی به عنوان یک جدول جداگانه پس از نتیجه اصلی است.
  • در فرمت های دیگر در دسترس نیست.

WITH TOTALS می توان در راه های مختلف اجرا زمانی که داشتن حاضر است. رفتار بستگی به ‘totals_mode’ تنظیمات.

پیکربندی پردازش بالغ 

به طور پیش فرض, totals_mode = 'before_having'. در این مورد, ‘totals’ محاسبه شده است در تمام ردیف از جمله کسانی که عبور نمی کند از طریق داشتن و max_rows_to_group_by.

جایگزین های دیگر شامل تنها ردیف است که از طریق داشتن در عبور ‘totals’ و رفتار متفاوت با تنظیم max_rows_to_group_by و group_by_overflow_mode = 'any'.

after_having_exclusive – Don't include rows that didn't pass through max_rows_to_group_by. به عبارت دیگر, ‘totals’ کمتر از و یا به همان تعداد از ردیف به عنوان اگر داشته باشد max_rows_to_group_by حذف شد.

after_having_inclusive – Include all the rows that didn't pass through ‘max_rows_to_group_by’ داخل ‘totals’. به عبارت دیگر, ‘totals’ بیش از و یا به همان تعداد از ردیف به عنوان اگر داشته باشد max_rows_to_group_by حذف شد.

after_having_auto – Count the number of rows that passed through HAVING. If it is more than a certain amount (by default, 50%), include all the rows that didn't pass through ‘max_rows_to_group_by’ داخل ‘totals’. در غیر این صورت, را شامل نمی شود.

totals_auto_threshold – By default, 0.5. The coefficient for after_having_auto.

اگر max_rows_to_group_by و group_by_overflow_mode = 'any' استفاده نمی شود, تمام تغییرات از after_having یکسان هستند و شما می توانید از هر یک از این موارد استفاده کنید, after_having_auto).

شما می توانید با استفاده از مجموع در subqueries از جمله subqueries در پیوستن به بند (در این مورد مربوطه مجموع ارزش ترکیب می شوند).

مثالها 

مثال:

SELECT
    count(),
    median(FetchTiming > 60 ? 60 : FetchTiming),
    count() - sum(Refresh)
FROM hits

با این حال, در مقابل به استاندارد گذاشتن, اگر جدول هیچ ردیف ندارد (یا هیچ در همه وجود ندارد, و یا هر پس از استفاده از جایی که برای فیلتر کردن وجود ندارد), یک نتیجه خالی بازگشته است, و نه در نتیجه از یکی از ردیف های حاوی مقادیر اولیه از توابع کل.

همانطور که به خروجی زیر مخالف (و منطبق با استاندارد گذاشتن), شما می توانید برخی از ارزش برخی از ستون است که در یک کلید و یا کل تابع نیست (به جز عبارات ثابت). برای کار در اطراف این, شما می توانید با استفاده از ‘any’ تابع جمع (اولین مقدار مواجه می شوند) یا ‘min/max’.

مثال:

SELECT
    domainWithoutWWW(URL) AS domain,
    count(),
    any(Title) AS title -- getting the first occurred page header for each domain.
FROM hits
GROUP BY domain

برای هر مقدار کلیدی مختلف مواجه می شوند, گروه با محاسبه مجموعه ای از مقادیر تابع کل.

گروه توسط ستون های مجموعه پشتیبانی نمی شود.

ثابت را نمی توان به عنوان استدلال برای توابع کل مشخص شده است. مثال: مجموع(1). به جای این, شما می توانید از ثابت خلاص. مثال: count().

پیاده سازی اطلاعات 

تجمع یکی از مهم ترین ویژگی های یک سندرم تونل کارپ ستون گرا است, و به این ترتیب اجرای یکی از قطعات به شدت بهینه سازی شده از خانه رعیتی است. به طور پیش فرض, تجمع در حافظه با استفاده از یک هش جدول انجام. این 40 + تخصص است که به طور خودکار بسته به انتخاب “grouping key” انواع داده ها.

گروه در حافظه خارجی 

شما می توانید اطلاعات موقت تخلیه به دیسک را قادر به محدود کردن استفاده از حافظه در طول GROUP BY.
این ا_فزون_بر_گونهی_گونهی زیر_گروهها تنظیم تعیین کننده مصرف رم را برای تخلیه می کند GROUP BY اطلاعات موقت به سیستم فایل. اگر به 0 (به طور پیش فرض), غیر فعال است.

هنگام استفاده از max_bytes_before_external_group_by, توصیه می کنیم که به شما در تنظیم max_memory_usage در مورد دو برابر بالا. این لازم است زیرا دو مرحله برای تجمع وجود دارد: خواندن داده ها و تشکیل داده های متوسط (1) و ادغام داده های متوسط (2). واژگون اطلاعات به سیستم فایل تنها می تواند در طول مرحله رخ می دهد 1. اگر داده های موقت ریخته نمی شد, سپس مرحله 2 ممکن است نیاز به همان مقدار از حافظه در مرحله 1.

برای مثال اگر _کاساژ بیشینه به 1000000000 تنظیم شد و شما می خواهید به استفاده از تجمع خارجی, این را حس می کند به مجموعه max_bytes_before_external_group_by به 10000000000 و max_memory_usage به 20000000000. هنگامی که تجمع خارجی باعث شده است (اگر حداقل یک روگرفت از داده های موقت وجود دارد), حداکثر مصرف رم تنها کمی بیشتر از max_bytes_before_external_group_by.

با پردازش پرس و جو توزیع, تجمع خارجی بر روی سرور از راه دور انجام. به منظور سرور درخواست به استفاده از تنها مقدار کمی از رم, تنظیم distributed_aggregation_memory_efficient به 1.

هنگامی که ادغام داده ها به دیسک سرخ, و همچنین زمانی که ادغام نتایج حاصل از سرور از راه دور زمانی که distributed_aggregation_memory_efficient تنظیم فعال است, مصرف تا 1/256 * the_number_of_threads از مقدار کل رم.

هنگامی که تجمع خارجی فعال است, اگر کمتر از وجود دارد max_bytes_before_external_group_by of data (i.e. data was not flushed), the query runs just as fast as without external aggregation. If any temporary data was flushed, the run time will be several times longer (approximately three times).

اگر شما یک ORDER BY با یک LIMIT پس از GROUP BY, سپس مقدار رم استفاده می شود بستگی به مقدار داده ها در LIMIT نه تو کل میز اما اگر ORDER BY ندارد LIMIT فراموش نکنید که مرتب سازی خارجی را فعال کنید (max_bytes_before_external_sort).

درجهبندی: 2.8 - 10 رای

این مطالب مفید بود?
★★★☆☆