@clickzetta/cz-cli-darwin-arm64 0.3.75 → 0.3.78

package/bin/skills/lakehouse-doc/references/groupby.md

@@ -1,1260 +0,0 @@
-# GROUP BY
-
-## 概述
-
-`GROUP BY` 子句是 SQL 查询中用于数据分组和聚合分析的核心组件。通过 `GROUP BY`，可以将数据集按照指定的列或表达式进行分组，并对每个分组应用聚合函数（如 `SUM()`、`COUNT()`、`AVG()`、`MAX()`、`MIN()` 等）计算汇总值。
-
-云器 Lakehouse 完整支持标准 SQL GROUP BY 语法，并提供高级聚合能力：
-
-| 功能                | 说明         | 应用场景           |
-| ----------------- | ---------- | -------------- |
-| **标准 GROUP BY**   | 基础分组聚合     | 日常统计、基础报表      |
-| **GROUPING SETS** | 自定义多个分组集合  | 多维度业务分析        |
-| **ROLLUP**        | 层级汇总（从细到总） | 财务报表、销售层级分析    |
-| **CUBE**          | 全维度交叉分析    | BI 多维数据透视、交叉分析 |
-
-***
-
-## 语法结构
-
-```sql
-SELECT 
-    column1,
-    column2,
-    aggregate_function(column3) AS alias
-FROM table_name
-WHERE condition
-GROUP BY 
-    [ group_expression [, group_expression, ...] |
-      GROUPING SETS (grouping_set [, grouping_set, ...]) |
-      ROLLUP(expression [, expression, ...]) |
-      CUBE(expression [, expression, ...]) ]
-HAVING aggregate_condition
-ORDER BY column
-LIMIT n;
-```
-
-### 关键要点
-
-1. **SELECT 子句约束**：SELECT 列表中的非聚合列必须出现在 GROUP BY 子句中
-2. **执行顺序**：FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY → LIMIT
-3. **HAVING 过滤**：用于过滤聚合结果，而 WHERE 过滤原始行
-4. **NULL 值处理**：NULL 被视为一个独立的分组
-
-***
-
-## 准备测试数据
-
-本文档使用汽车经销商销售数据作为示例。创建测试视图：
-
-```sql
-CREATE OR REPLACE VIEW dealer (id, city, car_model, quantity) AS
-VALUES 
-    (100, 'Fremont', 'Honda Civic', 10),
-    (100, 'Fremont', 'Honda Accord', 15),
-    (100, 'Fremont', 'Honda CRV', 7),
-    (200, 'Dublin', 'Honda Civic', 20),
-    (200, 'Dublin', 'Honda Accord', 10),
-    (200, 'Dublin', 'Honda CRV', 3),
-    (300, 'San Jose', 'Honda Civic', 5),
-    (300, 'San Jose', 'Honda Accord', 8);
-```
-
-查看原始数据：
-
-```sql
-SELECT * FROM dealer ORDER BY id, car_model LIMIT 50;
-```
-
-**查询结果**：
-
-| id  | city     | car\_model   | quantity |
-| --- | -------- | ------------ | -------- |
-| 100 | Fremont  | Honda Accord | 15       |
-| 100 | Fremont  | Honda CRV    | 7        |
-| 100 | Fremont  | Honda Civic  | 10       |
-| 200 | Dublin   | Honda Accord | 10       |
-| 200 | Dublin   | Honda CRV    | 3        |
-| 200 | Dublin   | Honda Civic  | 20       |
-| 300 | San Jose | Honda Accord | 8        |
-| 300 | San Jose | Honda Civic  | 5        |
-
-***
-
-## 一、标准 GROUP BY
-
-### 1.1 单列分组
-
-按经销商 ID 分组，统计每个经销商的销量：
-
-```sql
-SELECT 
-    id, 
-    SUM(quantity) AS total_quantity
-FROM dealer
-GROUP BY id
-ORDER BY id
-LIMIT 50;
-```
-
-**查询结果**：
-
-| id  | total\_quantity |
-| --- | --------------- |
-| 100 | 32              |
-| 200 | 33              |
-| 300 | 13              |
-
-**业务解读**：
-
-*   经销商 100（Fremont）销售了 32 辆车
-*   经销商 200（Dublin）销售了 33 辆车
-*   经销商 300（San Jose）销售了 13 辆车
-
-***
-
-### 1.2 多列分组
-
-按城市和车型的组合进行分组统计：
-
-```sql
-SELECT 
-    id, 
-    city, 
-    SUM(quantity) AS total_quantity
-FROM dealer
-GROUP BY id, city
-ORDER BY total_quantity DESC
-LIMIT 50;
-```
-
-**查询结果**：
-
-| id  | city     | total\_quantity |
-| --- | -------- | --------------- |
-| 200 | Dublin   | 33              |
-| 100 | Fremont  | 32              |
-| 300 | San Jose | 13              |
-
-在本示例中，每个经销商 ID 对应唯一的城市，因此结果与单列分组相同。
-
-***
-
-### 1.3 使用表达式分组
-
-使用 `CASE` 表达式对销量进行分段统计：
-
-```sql
-SELECT 
-    CASE 
-        WHEN quantity < 10 THEN 'Low (< 10)'
-        WHEN quantity < 15 THEN 'Medium (10-14)'
-        ELSE 'High (>= 15)'
-    END AS sales_level,
-    COUNT(*) AS record_count,
-    SUM(quantity) AS total_quantity
-FROM dealer
-GROUP BY 
-    CASE 
-        WHEN quantity < 10 THEN 'Low (< 10)'
-        WHEN quantity < 15 THEN 'Medium (10-14)'
-        ELSE 'High (>= 15)'
-    END
-ORDER BY sales_level
-LIMIT 50;
-```
-
-**查询结果**：
-
-| sales\_level   | record\_count | total\_quantity |
-| -------------- | ------------- | --------------- |
-| High (>= 15)   | 2             | 35              |
-| Low (< 10)     | 4             | 23              |
-| Medium (10-14) | 2             | 20              |
-
-**业务解读**：
-
-* 高销量记录（≥15 辆）：2 条记录，共 35 辆
-* 低销量记录（<10 辆）：4 条记录，共 23 辆
-* 中等销量记录（10-14 辆）：2 条记录，共 20 辆
-
-***
-
-### 1.4 全局聚合（无分组）
-
-不使用 GROUP BY 时，对整个表进行全局聚合：
-
-```sql
-SELECT SUM(quantity) AS total_quantity 
-FROM dealer
-LIMIT 50;
-```
-
-**查询结果**：
-
-| total\_quantity |
-| --------------- |
-| 78              |
-
-全部 8 条记录的总销量为 78 辆。
-
-***
-
-## 二、多聚合函数组合
-
-### 2.1 常用聚合函数汇总
-
-在单次查询中使用多个聚合函数：
-
-```sql
-SELECT 
-    city,
-    COUNT(*) AS model_count,
-    SUM(quantity) AS total_quantity,
-    AVG(quantity) AS avg_quantity,
-    MAX(quantity) AS max_quantity,
-    MIN(quantity) AS min_quantity
-FROM dealer
-GROUP BY city
-ORDER BY total_quantity DESC
-LIMIT 50;
-```
-
-**查询结果**：
-
-| city     | model\_count | total\_quantity | avg\_quantity      | max\_quantity | min\_quantity |
-| -------- | ------------ | --------------- | ------------------ | ------------- | ------------- |
-| Dublin   | 3            | 33              | 11.0               | 20            | 3             |
-| Fremont  | 3            | 32              | 10.666666666666666 | 15            | 7             |
-| San Jose | 2            | 13              | 6.5                | 8             | 5             |
-
-**业务洞察**：
-
-* **Dublin**：3 个车型，平均每个车型销售 11 辆，最高单品 20 辆（Honda Civic）
-* **Fremont**：3 个车型，平均销量 10.67 辆，销量较均衡
-* **San Jose**：仅 2 个车型，平均销量 6.5 辆，市场规模最小
-
-***
-
-### 2.2 按车型统计覆盖城市数
-
-统计每个车型在多少个城市有销售：
-
-```sql
-SELECT 
-    car_model,
-    SUM(quantity) AS total_sales,
-    COUNT(DISTINCT city) AS city_count,
-    ROUND(AVG(quantity), 2) AS avg_per_dealer
-FROM dealer
-GROUP BY car_model
-ORDER BY total_sales DESC
-LIMIT 50;
-```
-
-**查询结果**：
-
-| car\_model   | total\_sales | city\_count | avg\_per\_dealer |
-| ------------ | ------------ | ----------- | ---------------- |
-| Honda Civic  | 35           | 3           | 11.67            |
-| Honda Accord | 33           | 3           | 11.00            |
-| Honda CRV    | 10           | 2           | 5.00             |
-
-**业务洞察**：
-
-* **Honda Civic**：最畅销车型，总销量 35 辆，覆盖 3 个城市，平均每地 11.67 辆
-* **Honda Accord**：总销量 33 辆，覆盖 3 个城市
-* **Honda CRV**：总销量最低，仅在 2 个城市有销售（未进入 San Jose 市场）
-
-***
-
-## 三、GROUPING SETS（自定义分组集合）
-
-### 3.1 基本概念
-
-`GROUPING SETS` 允许在一次查询中同时生成多个不同维度的分组结果。它本质上是多个 `GROUP BY` 查询通过 `UNION ALL` 组合的简写形式。
-
-**语法**：
-
-```sql
-GROUP BY GROUPING SETS (
-    (column1, column2),  -- 分组集1：按 column1 和 column2 分组
-    (column1),           -- 分组集2：仅按 column1 分组
-    ()                   -- 分组集3：全局聚合（无分组）
-)
-```
-
-***
-
-### 3.2 多维度聚合分析
-
-在一次查询中生成四个维度的统计结果：
-
-```sql
-SELECT 
-    city, 
-    car_model, 
-    SUM(quantity) AS total_quantity
-FROM dealer
-GROUP BY GROUPING SETS (
-    (city, car_model),  -- 城市+车型明细
-    (city),             -- 按城市汇总
-    (car_model),        -- 按车型汇总
-    ()                  -- 总计
-)
-ORDER BY city, car_model
-LIMIT 50;
-```
-
-**查询结果**：
-
-| city     | car\_model   | total\_quantity |
-| -------- | ------------ | --------------- |
-| NULL     | NULL         | 78              |
-| NULL     | Honda Accord | 33              |
-| NULL     | Honda CRV    | 10              |
-| NULL     | Honda Civic  | 35              |
-| Dublin   | NULL         | 33              |
-| Dublin   | Honda Accord | 10              |
-| Dublin   | Honda CRV    | 3               |
-| Dublin   | Honda Civic  | 20              |
-| Fremont  | NULL         | 32              |
-| Fremont  | Honda Accord | 15              |
-| Fremont  | Honda CRV    | 7               |
-| Fremont  | Honda Civic  | 10              |
-| San Jose | NULL         | 13              |
-| San Jose | Honda Accord | 8               |
-| San Jose | Honda Civic  | 5               |
-
-**结果解读**：
-
-* **总计行**（city=NULL, car\_model=NULL）：全部销量 78 辆
-* **车型汇总行**（city=NULL, car\_model有值）：各车型跨城市总销量
-* **城市汇总行**（city有值, car\_model=NULL）：各城市跨车型总销量
-* **明细行**（city和car\_model都有值）：城市+车型组合的具体销量
-
-**等价查询**：
-
-```sql
--- GROUPING SETS 等价于以下 UNION ALL 查询
-SELECT city, car_model, SUM(quantity) FROM dealer GROUP BY city, car_model
-UNION ALL
-SELECT city, NULL, SUM(quantity) FROM dealer GROUP BY city
-UNION ALL
-SELECT NULL, car_model, SUM(quantity) FROM dealer GROUP BY car_model
-UNION ALL
-SELECT NULL, NULL, SUM(quantity) FROM dealer;
-```
-
-**性能优势**：`GROUPING SETS` 在内部只扫描一次数据，比 `UNION ALL` 更高效。
-
-***
-
-### 3.3 识别汇总层级
-
-使用 `COALESCE` 函数替换 NULL 值，使汇总行更易读：
-
-```sql
-SELECT 
-    COALESCE(city, 'All Cities') AS city,
-    COALESCE(car_model, 'All Models') AS car_model,
-    SUM(quantity) AS total_quantity
-FROM dealer
-GROUP BY ROLLUP(city, car_model)
-ORDER BY city, car_model
-LIMIT 50;
-```
-
-**查询结果**：
-
-| city       | car\_model   | total\_quantity |
-| ---------- | ------------ | --------------- |
-| All Cities | All Models   | 78              |
-| Dublin     | All Models   | 33              |
-| Dublin     | Honda Accord | 10              |
-| Dublin     | Honda CRV    | 3               |
-| Dublin     | Honda Civic  | 20              |
-| Fremont    | All Models   | 32              |
-| Fremont    | Honda Accord | 15              |
-| Fremont    | Honda CRV    | 7               |
-| Fremont    | Honda Civic  | 10              |
-| San Jose   | All Models   | 13              |
-| San Jose   | Honda Accord | 8               |
-| San Jose   | Honda Civic  | 5               |
-
-***
-
-## 四、ROLLUP（层级汇总）
-
-### 4.1 基本概念
-
-`ROLLUP` 用于生成从细粒度到全局的层级汇总。对于 `ROLLUP(a, b, c)`，将生成以下分组集：
-
-* `(a, b, c)` - 最细粒度
-* `(a, b)` - 中间层级
-* `(a)` - 高层级
-* `()` - 全局汇总
-
-**等价关系**：
-
-```sql
-ROLLUP(city, car_model) 
--- 等价于
-GROUPING SETS (
-    (city, car_model),
-    (city),
-    ()
-)
-```
-
-***
-
-### 4.2 销售层级汇总
-
-生成"城市→车型"两级汇总：
-
-```sql
-SELECT 
-    city, 
-    car_model, 
-    SUM(quantity) AS total_quantity 
-FROM dealer
-GROUP BY ROLLUP(city, car_model)
-LIMIT 50;
-```
-
-**查询结果**：
-
-| city     | car\_model   | total\_quantity |
-| -------- | ------------ | --------------- |
-| Fremont  | Honda Civic  | 10              |
-| Fremont  | Honda Accord | 15              |
-| Fremont  | Honda CRV    | 7               |
-| Dublin   | Honda Civic  | 20              |
-| Dublin   | Honda Accord | 10              |
-| Dublin   | Honda CRV    | 3               |
-| San Jose | Honda Civic  | 5               |
-| San Jose | Honda Accord | 8               |
-| Fremont  | NULL         | 32              |
-| Dublin   | NULL         | 33              |
-| San Jose | NULL         | 13              |
-| NULL     | NULL         | 78              |
-
-**数据层级**：
-
-1. **明细层**（前8行）：每个城市的每种车型的销量
-2. **城市小计**（car\_model=NULL）：每个城市的总销量
-3. **总计**（city=NULL, car\_model=NULL）：所有城市的总销量
-
-***
-
-### 4.3 使用 GROUPING() 函数标识层级
-
-`GROUPING()` 函数返回 0 或 1，用于区分真实 NULL 和聚合标记：
-
-* **返回 0**：该列参与分组，值为实际数据
-* **返回 1**：该列未参与分组，NULL 表示汇总
-
-```sql
-SELECT 
-    city,
-    car_model,
-    SUM(quantity) AS total_quantity,
-    GROUPING(city) AS city_grouping,
-    GROUPING(car_model) AS model_grouping
-FROM dealer
-GROUP BY ROLLUP(city, car_model)
-ORDER BY city_grouping, city, model_grouping, car_model
-LIMIT 50;
-```
-
-**查询结果**：
-
-| city     | car\_model   | total\_quantity | city\_grouping | model\_grouping |
-| -------- | ------------ | --------------- | -------------- | --------------- |
-| Dublin   | Honda Accord | 10              | 0              | 0               |
-| Dublin   | Honda CRV    | 3               | 0              | 0               |
-| Dublin   | Honda Civic  | 20              | 0              | 0               |
-| Dublin   | NULL         | 33              | 0              | 1               |
-| Fremont  | Honda Accord | 15              | 0              | 0               |
-| Fremont  | Honda CRV    | 7               | 0              | 0               |
-| Fremont  | Honda Civic  | 10              | 0              | 0               |
-| Fremont  | NULL         | 32              | 0              | 1               |
-| San Jose | Honda Accord | 8               | 0              | 0               |
-| San Jose | Honda Civic  | 5               | 0              | 0               |
-| San Jose | NULL         | 13              | 0              | 1               |
-| NULL     | NULL         | 78              | 1              | 1               |
-
-**GROUPING() 值解读**：
-
-* (**0, 0**)：明细数据，两列都参与分组
-* (**0, 1**)：城市小计，仅 city 参与分组
-* (**1, 1**)：全局总计，两列都不参与分组
-
-***
-
-## 五、CUBE（全维度交叉分析）
-
-### 5.1 基本概念
-
-`CUBE` 生成指定列的所有可能组合的分组集。对于 `CUBE(a, b)`，将生成 2² = 4 个分组集：
-
-* `(a, b)` - 明细
-* `(a)` - 按 a 汇总
-* `(b)` - 按 b 汇总
-* `()` - 全局汇总
-
-**等价关系**：
-
-```sql
-CUBE(city, car_model)
--- 等价于
-GROUPING SETS (
-    (city, car_model),
-    (city),
-    (car_model),
-    ()
-)
-```
-
-***
-
-### 5.2 多维交叉分析
-
-生成城市和车型的所有维度组合：
-
-```sql
-SELECT 
-    city, 
-    car_model, 
-    SUM(quantity) AS total_quantity 
-FROM dealer
-GROUP BY city, car_model WITH CUBE
-LIMIT 50;
-```
-
-**查询结果**：
-
-| city     | car\_model   | total\_quantity |
-| -------- | ------------ | --------------- |
-| Fremont  | Honda Civic  | 10              |
-| Fremont  | Honda Accord | 15              |
-| Fremont  | Honda CRV    | 7               |
-| Dublin   | Honda Civic  | 20              |
-| Dublin   | Honda Accord | 10              |
-| Dublin   | Honda CRV    | 3               |
-| San Jose | Honda Civic  | 5               |
-| San Jose | Honda Accord | 8               |
-| NULL     | Honda CRV    | 10              |
-| NULL     | Honda Civic  | 35              |
-| NULL     | Honda Accord | 33              |
-| Fremont  | NULL         | 32              |
-| Dublin   | NULL         | 33              |
-| San Jose | NULL         | 13              |
-| NULL     | NULL         | 78              |
-
-**结果包含**：
-
-1. **明细行**（前8行）：城市+车型组合
-2. **车型汇总行**（city=NULL）：跨城市的车型销量
-3. **城市汇总行**（car\_model=NULL）：跨车型的城市销量
-4. **总计行**（city=NULL, car\_model=NULL）：全局总计
-
-***
-
-### 5.3 标识聚合层级
-
-使用 `CASE` 语句结合 `GROUPING()` 函数标识每行的聚合层级：
-
-```sql
-SELECT 
-    city,
-    car_model,
-    SUM(quantity) AS total_quantity,
-    CASE 
-        WHEN GROUPING(city) = 1 AND GROUPING(car_model) = 1 THEN 'Total'
-        WHEN GROUPING(city) = 0 AND GROUPING(car_model) = 1 THEN 'City Subtotal'
-        WHEN GROUPING(city) = 1 AND GROUPING(car_model) = 0 THEN 'Model Subtotal'
-        ELSE 'Detail'
-    END AS aggregation_level
-FROM dealer
-GROUP BY CUBE(city, car_model)
-ORDER BY 
-    GROUPING(city),
-    GROUPING(car_model),
-    city,
-    car_model
-LIMIT 50;
-```
-
-**查询结果**：
-
-| city     | car\_model   | total\_quantity | aggregation\_level |
-| -------- | ------------ | --------------- | ------------------ |
-| Dublin   | Honda Accord | 10              | Detail             |
-| Dublin   | Honda CRV    | 3               | Detail             |
-| Dublin   | Honda Civic  | 20              | Detail             |
-| Fremont  | Honda Accord | 15              | Detail             |
-| Fremont  | Honda CRV    | 7               | Detail             |
-| Fremont  | Honda Civic  | 10              | Detail             |
-| San Jose | Honda Accord | 8               | Detail             |
-| San Jose | Honda Civic  | 5               | Detail             |
-| Dublin   | NULL         | 33              | City Subtotal      |
-| Fremont  | NULL         | 32              | City Subtotal      |
-| San Jose | NULL         | 13              | City Subtotal      |
-| NULL     | Honda Accord | 33              | Model Subtotal     |
-| NULL     | Honda CRV    | 10              | Model Subtotal     |
-| NULL     | Honda Civic  | 35              | Model Subtotal     |
-| NULL     | NULL         | 78              | Total              |
-
-此查询清晰地标识了每行数据所属的聚合层级。
-
-***
-
-### 5.4 ROLLUP vs CUBE
-
-| 维度              | ROLLUP         | CUBE                |
-| --------------- | -------------- | ------------------- |
-| **生成分组集**       | 层级子集（从左到右）     | 所有可能组合              |
-| **ROLLUP(a,b**) | (a,b), (a), () | (a,b), (a), (b), () |
-| **分组数量**        | n+1（n为列数）      | 2ⁿ                  |
-| **使用场景**        | 层级报表、自上而下分析    | 多维交叉分析、BI 透视表       |
-| **性能**          | 生成分组数少，性能更优    | 生成分组数多，性能开销较大       |
-
-**选择建议**：
-
-* 需要**层级汇总**（如 地区→城市→门店）时使用 `ROLLUP`
-* 需要**多维交叉分析**（如 地区×产品×时间）时使用 `CUBE`
-* 需要**自定义组合**时使用 `GROUPING SETS`
-
-***
-
-## 六、HAVING 子句：过滤聚合结果
-
-### 6.1 WHERE vs HAVING
-
-| 子句         | 执行时机 | 作用对象  | 可用函数            |
-| ---------- | ---- | ----- | --------------- |
-| **WHERE**  | 分组前  | 原始行数据 | 标量函数、列比较        |
-| **HAVING** | 分组后  | 聚合结果  | 聚合函数、GROUP BY 列 |
-
-**执行顺序**：FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY → LIMIT
-
-***
-
-### 6.2 使用 HAVING 过滤聚合结果
-
-筛选总销量超过 15 辆的城市：
-
-```sql
-SELECT 
-    city,
-    COUNT(*) AS record_count,
-    SUM(quantity) AS total_quantity
-FROM dealer
-GROUP BY city
-HAVING SUM(quantity) > 15
-ORDER BY total_quantity DESC
-LIMIT 50;
-```
-
-**查询结果**：
-
-| city    | record\_count | total\_quantity |
-| ------- | ------------- | --------------- |
-| Dublin  | 3             | 33              |
-| Fremont | 3             | 32              |
-
-San Jose（总销量 13 辆）被过滤掉，因为不满足 `HAVING` 条件。
-
-***
-
-### 6.3 WHERE 与 HAVING 组合
-
-先用 `WHERE` 过滤原始数据，再用 `HAVING` 过滤聚合结果：
-
-```sql
-SELECT 
-    city,
-    COUNT(*) AS record_count,
-    SUM(quantity) AS total_quantity
-FROM dealer
-WHERE quantity >= 10  -- 先过滤：只统计销量≥10的记录
-GROUP BY city
-HAVING COUNT(*) >= 2  -- 再过滤：只显示记录数≥2的城市
-ORDER BY total_quantity DESC
-LIMIT 50;
-```
-
-**执行逻辑**：
-
-1. **WHERE 过滤**：排除 quantity < 10 的记录（过滤掉 4 条记录）
-2. **GROUP BY 分组**：对剩余记录按 city 分组
-3. **HAVING 过滤**：只保留记录数 ≥ 2 的分组
-
-***
-
-## 七、高级应用场景
-
-### 7.1 行转列：透视分析
-
-将车型从行转换为列，实现透视表效果：
-
-```sql
-SELECT 
-    city,
-    SUM(CASE WHEN car_model = 'Honda Civic' THEN quantity ELSE 0 END) AS civic_sales,
-    SUM(CASE WHEN car_model = 'Honda Accord' THEN quantity ELSE 0 END) AS accord_sales,
-    SUM(CASE WHEN car_model = 'Honda CRV' THEN quantity ELSE 0 END) AS crv_sales,
-    SUM(quantity) AS total_sales
-FROM dealer
-GROUP BY city
-ORDER BY total_sales DESC
-LIMIT 50;
-```
-
-**查询结果**：
-
-| city     | civic\_sales | accord\_sales | crv\_sales | total\_sales |
-| -------- | ------------ | ------------- | ---------- | ------------ |
-| Dublin   | 20           | 10            | 3          | 33           |
-| Fremont  | 10           | 15            | 7          | 32           |
-| San Jose | 5            | 8             | 0          | 13           |
-
-**业务价值**：
-
-* 清晰展示每个城市各车型的销量分布
-* San Jose 没有 CRV 销售记录（显示为 0）
-* 适合用于 Excel 报表、BI 仪表板
-
-***
-
-### 7.2 占比分析：窗口函数与 GROUP BY
-
-计算每个车型在其所在城市的销量占比：
-
-```sql
-SELECT 
-    city,
-    car_model,
-    quantity,
-    SUM(quantity) OVER (PARTITION BY city) AS city_total,
-    ROUND(quantity * 100.0 / SUM(quantity) OVER (PARTITION BY city), 2) AS percentage
-FROM dealer
-ORDER BY city, car_model
-LIMIT 50;
-```
-
-**查询结果**：
-
-| city     | car\_model   | quantity | city\_total | percentage |
-| -------- | ------------ | -------- | ----------- | ---------- |
-| Dublin   | Honda Accord | 10       | 33          | 30.30      |
-| Dublin   | Honda CRV    | 3        | 33          | 9.09       |
-| Dublin   | Honda Civic  | 20       | 33          | 60.61      |
-| Fremont  | Honda Accord | 15       | 32          | 46.88      |
-| Fremont  | Honda CRV    | 7        | 32          | 21.88      |
-| Fremont  | Honda Civic  | 10       | 32          | 31.25      |
-| San Jose | Honda Accord | 8        | 13          | 61.54      |
-| San Jose | Honda Civic  | 5        | 13          | 38.46      |
-
-**业务洞察**：
-
-* **Dublin**：Honda Civic 占比 60.61%，是绝对主力车型
-* **Fremont**：销量分布较均衡，Accord 占比最高（46.88%）
-* **San Jose**：Accord 占比 61.54%，市场偏好明显
-
-**技术说明**：窗口函数 `SUM() OVER (PARTITION BY city)` 计算每个城市的总销量，但不改变行数。
-
-***
-
-### 7.3 同比环比分析模式
-
-虽然示例数据不包含时间维度，但提供标准的同比/环比分析 SQL 模式：
-
-```sql
--- 示例：按月统计销量，计算环比增长
-SELECT 
-    DATE_FORMAT(sale_date, 'yyyy-MM') AS month,
-    SUM(quantity) AS monthly_sales,
-    LAG(SUM(quantity)) OVER (ORDER BY DATE_FORMAT(sale_date, 'yyyy-MM')) AS prev_month_sales,
-    ROUND(
-        (SUM(quantity) - LAG(SUM(quantity)) OVER (ORDER BY DATE_FORMAT(sale_date, 'yyyy-MM'))) * 100.0 / 
-        LAG(SUM(quantity)) OVER (ORDER BY DATE_FORMAT(sale_date, 'yyyy-MM')), 
-        2
-    ) AS mom_growth_rate
-FROM sales_table
-GROUP BY DATE_FORMAT(sale_date, 'yyyy-MM')
-ORDER BY month;
-```
-
-**关键技术**：
-
-* `LAG()` 窗口函数获取上一行的值
-* 环比增长率 = (当前值 - 上期值) / 上期值 × 100%
-
-***
-
-### 7.4 TopN 分析：每组取前 N
-
-使用窗口函数结合 GROUP BY 实现分组 TopN：
-
-```sql
--- 示例：每个城市销量前 2 的车型
-SELECT *
-FROM (
-    SELECT 
-        city,
-        car_model,
-        quantity,
-        ROW_NUMBER() OVER (PARTITION BY city ORDER BY quantity DESC) AS rank
-    FROM dealer
-) ranked
-WHERE rank <= 2
-ORDER BY city, rank;
-```
-
-**预期逻辑**（基于当前数据）：
-
-* Dublin：Honda Civic (20), Honda Accord (10)
-* Fremont：Honda Accord (15), Honda Civic (10)
-* San Jose：Honda Accord (8), Honda Civic (5)
-
-***
-
-## 八、性能优化与最佳实践
-
-### 8.1 查询性能优化
-
-#### 1. 合理使用 LIMIT
-
-对于大数据集，始终添加 `LIMIT` 限制返回行数：
-
-```sql
--- 推荐
-SELECT city, SUM(quantity) 
-FROM large_table 
-GROUP BY city
-LIMIT 100;
-
--- 避免：可能返回数百万行
-SELECT city, SUM(quantity) 
-FROM large_table 
-GROUP BY city;
-```
-
-#### 2. 选择合适的聚合工具
-
-| 需求     | 推荐方案            | 生成分组数 | 性能    |
-| ------ | --------------- | ----- | ----- |
-| 简单层级汇总 | `ROLLUP`        | n+1   | ⭐⭐⭐⭐⭐ |
-| 多维交叉分析 | `CUBE`          | 2ⁿ    | ⭐⭐⭐   |
-| 自定义分组集 | `GROUPING SETS` | 自定义   | ⭐⭐⭐⭐  |
-
-**示例**：对于 3 列分组
-
-* `ROLLUP(a,b,c)` 生成 4 个分组集
-* `CUBE(a,b,c)` 生成 8 个分组集
-* `GROUPING SETS` 可自定义任意组合
-
-#### 3. 降低分组列基数
-
-对高基数列（如 ID、timestamp）使用函数降低粒度：
-
-```sql
--- 避免：按秒级 timestamp 分组
-GROUP BY timestamp  -- 可能产生数百万个分组
-
--- 推荐：按小时或天分组
-GROUP BY DATE_FORMAT(timestamp, 'yyyy-MM-dd')
-GROUP BY DATE_TRUNC('hour', timestamp)
-```
-
-#### 4. WHERE 过滤优于 HAVING 过滤
-
-尽量在 `WHERE` 中过滤数据，减少 `GROUP BY` 处理的数据量：
-
-```sql
--- 推荐：先过滤再分组
-SELECT city, SUM(quantity)
-FROM dealer
-WHERE car_model = 'Honda Civic'  -- 先过滤，减少数据量
-GROUP BY city;
-
--- 避免：先分组再过滤（处理了不必要的数据）
-SELECT city, car_model, SUM(quantity)
-FROM dealer
-GROUP BY city, car_model
-HAVING car_model = 'Honda Civic';
-```
-
-***
-
-### 8.2 常见错误与解决方案
-
-#### 错误 1：SELECT 列未在 GROUP BY 中
-
-```sql
--- ❌ 错误示例
-SELECT city, car_model, quantity
-FROM dealer
-GROUP BY city;
--- 错误：car_model 和 quantity 未分组或聚合
-
--- ✅ 正确方案1：添加到 GROUP BY
-SELECT city, car_model, SUM(quantity)
-FROM dealer
-GROUP BY city, car_model;
-
--- ✅ 正确方案2：使用聚合函数
-SELECT city, MAX(car_model), SUM(quantity)
-FROM dealer
-GROUP BY city;
-```
-
-#### 错误 2：WHERE 中使用聚合函数
-
-```sql
--- ❌ 错误示例
-SELECT city, SUM(quantity)
-FROM dealer
-WHERE SUM(quantity) > 20  -- WHERE 不能使用聚合函数
-GROUP BY city;
-
--- ✅ 正确方案：使用 HAVING
-SELECT city, SUM(quantity)
-FROM dealer
-GROUP BY city
-HAVING SUM(quantity) > 20;
-```
-
-#### 错误 3：混淆 ROLLUP/CUBE 语法
-
-```sql
--- ❌ 错误示例
-GROUP BY city, ROLLUP(car_model)  -- 不支持混合语法
-
--- ✅ 正确方案
-GROUP BY ROLLUP(city, car_model)
-```
-
-#### 错误 4：忽略 NULL 值影响
-
-```sql
--- 在 ROLLUP/CUBE 中，NULL 既可能是真实 NULL，也可能是汇总标记
--- 使用 GROUPING() 函数区分
-
-SELECT 
-    CASE WHEN GROUPING(city) = 1 THEN 'Total' ELSE city END AS city,
-    SUM(quantity)
-FROM dealer
-GROUP BY ROLLUP(city);
-```
-
-***
-
-### 8.3 数据质量检查
-
-#### 检查分组完整性
-
-验证分组汇总是否等于总计：
-
-```sql
--- 方法1：使用 ROLLUP 自动生成总计行
-SELECT 
-    COALESCE(city, 'TOTAL') AS city,
-    SUM(quantity) AS total
-FROM dealer
-GROUP BY ROLLUP(city);
-
--- 方法2：手动验证
-WITH group_totals AS (
-    SELECT SUM(quantity) AS grouped_sum
-    FROM dealer
-    GROUP BY city
-),
-grand_total AS (
-    SELECT SUM(quantity) AS total_sum
-    FROM dealer
-)
-SELECT 
-    (SELECT SUM(grouped_sum) FROM group_totals) AS sum_of_groups,
-    (SELECT total_sum FROM grand_total) AS grand_total,
-    CASE 
-        WHEN (SELECT SUM(grouped_sum) FROM group_totals) = (SELECT total_sum FROM grand_total)
-        THEN 'PASS'
-        ELSE 'FAIL'
-    END AS validation_result;
-```
-
-***
-
-## 九、实战案例汇总
-
-### 9.1 销售分析报表
-
-**需求**：生成包含明细、小计、总计的销售报表
-
-```sql
-SELECT 
-    COALESCE(city, 'All Cities') AS city,
-    COALESCE(car_model, 'All Models') AS car_model,
-    SUM(quantity) AS total_quantity
-FROM dealer
-GROUP BY ROLLUP(city, car_model)
-ORDER BY 
-    GROUPING(city),
-    city,
-    GROUPING(car_model),
-    car_model
-LIMIT 50;
-```
-
-***
-
-### 9.2 多维交叉分析
-
-**需求**：BI 透视表，需要城市和车型的所有维度组合
-
-```sql
-SELECT 
-    city,
-    car_model,
-    SUM(quantity) AS total_quantity,
-    CASE 
-        WHEN GROUPING(city) = 1 AND GROUPING(car_model) = 1 THEN 'Grand Total'
-        WHEN GROUPING(city) = 1 THEN 'Model Total'
-        WHEN GROUPING(car_model) = 1 THEN 'City Total'
-        ELSE 'Detail'
-    END AS level
-FROM dealer
-GROUP BY CUBE(city, car_model)
-ORDER BY 
-    GROUPING(city),
-    GROUPING(car_model),
-    city,
-    car_model
-LIMIT 50;
-```
-
-***
-
-### 9.3 Top/Bottom N 分析
-
-**需求**：找出销量最高和最低的城市
-
-```sql
--- Top 2 城市
-SELECT city, SUM(quantity) AS total_quantity
-FROM dealer
-GROUP BY city
-ORDER BY total_quantity DESC
-LIMIT 2;
-
--- Bottom 2 城市
-SELECT city, SUM(quantity) AS total_quantity
-FROM dealer
-GROUP BY city
-ORDER BY total_quantity ASC
-LIMIT 2;
-```
-
-***
-
-### 9.4 占比与排名
-
-**需求**：计算每个车型的销量占比和排名
-
-```sql
-SELECT 
-    car_model,
-    SUM(quantity) AS total_sales,
-    ROUND(SUM(quantity) * 100.0 / (SELECT SUM(quantity) FROM dealer), 2) AS percentage,
-    RANK() OVER (ORDER BY SUM(quantity) DESC) AS rank
-FROM dealer
-GROUP BY car_model
-ORDER BY total_sales DESC
-LIMIT 50;
-```
-
-***
-
-## 十、功能对比与选择指南
-
-### 10.1 四种分组方式对比
-
-| 特性        | GROUP BY | GROUPING SETS | ROLLUP | CUBE     |
-| --------- | -------- | ------------- | ------ | -------- |
-| **语法复杂度** | 简单       | 中等            | 简单     | 简单       |
-| **生成分组数** | 1        | 自定义           | n+1    | 2ⁿ       |
-| **灵活性**   | 低        | 高             | 中      | 中        |
-| **性能**    | 最优       | 优             | 优      | 较差（列数多时） |
-| **适用场景**  | 基础统计     | 自定义多维分析       | 层级报表   | 全维交叉分析   |
-
-***
-
-### 10.2 选择决策树
-
-```
-是否需要多维度汇总？
-├─ 否 → 使用标准 GROUP BY
-└─ 是 → 需要哪些维度组合？
-    ├─ 所有可能组合 → 使用 CUBE
-    ├─ 层级汇总（从细到总）→ 使用 ROLLUP
-    └─ 自定义特定组合 → 使用 GROUPING SETS
-```
-
-***
-
-### 10.3 推荐使用场景
-
-| 业务场景     | 推荐方案                 | 示例           |
-| -------- | -------------------- | ------------ |
-| 日常统计报表   | `GROUP BY`           | 按部门统计销售额     |
-| 财务分层汇总   | `ROLLUP`             | 公司→部门→团队层级汇总 |
-| BI 数据透视表 | `CUBE`               | 产品×地区×时间三维分析 |
-| 自定义业务报表  | `GROUPING SETS`      | 同时输出日报、周报、月报 |
-| 占比分析     | `GROUP BY` + 窗口函数    | 各产品销量占比      |
-| Top N 分析 | `GROUP BY` + `LIMIT` | 销量前10的产品     |
-
-***
-
-## 十一、进阶技巧
-
-### 11.1 动态分组
-
-使用变量或子查询实现动态分组条件（示例逻辑）：
-
-```sql
--- 根据销量范围动态分组
-SELECT 
-    CASE 
-        WHEN SUM(quantity) >= 30 THEN 'High Volume'
-        WHEN SUM(quantity) >= 15 THEN 'Medium Volume'
-        ELSE 'Low Volume'
-    END AS volume_tier,
-    COUNT(DISTINCT city) AS city_count
-FROM (
-    SELECT city, SUM(quantity) AS city_total
-    FROM dealer
-    GROUP BY city
-) city_summary
-GROUP BY 
-    CASE 
-        WHEN city_total >= 30 THEN 'High Volume'
-        WHEN city_total >= 15 THEN 'Medium Volume'
-        ELSE 'Low Volume'
-    END;
-```
-
-***
-
-### 11.2 递归汇总（模拟）
-
-虽然云器 Lakehouse 目前还不直接支持递归 CTE，但可通过 UNION ALL 模拟多层级汇总：
-
-```sql
--- 三层汇总：明细、城市小计、总计
-SELECT city, car_model, quantity, 'Detail' AS level
-FROM dealer
-UNION ALL
-SELECT city, NULL, SUM(quantity), 'City Subtotal'
-FROM dealer
-GROUP BY city
-UNION ALL
-SELECT NULL, NULL, SUM(quantity), 'Grand Total'
-FROM dealer
-ORDER BY 
-    CASE level 
-        WHEN 'Detail' THEN 1
-        WHEN 'City Subtotal' THEN 2
-        WHEN 'Grand Total' THEN 3
-    END,
-    city,
-    car_model;
-```
-
-***
-
-### 11.3 NULL 值处理技巧
-
-#### 技巧 1：区分真实 NULL 和聚合 NULL
-
-```sql
-SELECT 
-    city,
-    car_model,
-    SUM(quantity) AS total,
-    CASE 
-        WHEN GROUPING(city) = 1 THEN '[Subtotal]'
-        WHEN city IS NULL THEN '[Real NULL]'
-        ELSE city
-    END AS city_display
-FROM dealer
-GROUP BY ROLLUP(city, car_model);
-```
-
-#### 技巧 2：使用 COALESCE 美化输出
-
-```sql
-SELECT 
-    COALESCE(city, '📊 All Cities') AS city,
-    COALESCE(car_model, '🚗 All Models') AS car_model,
-    SUM(quantity) AS total
-FROM dealer
-GROUP BY CUBE(city, car_model);
-```
-
-***
-
-## 十二、总结
-
-### 核心要点
-
-1. **GROUP BY** 是数据聚合分析的基础，掌握其用法是 SQL 分析的必备技能
-2. **GROUPING SETS / ROLLUP / CUBE** 提供了强大的多维分析能力，一次查询生成多层级汇总
-3. **HAVING** 用于过滤聚合结果，与 WHERE 配合实现灵活的数据筛选
-4. **窗口函数** 与 GROUP BY 结合，可实现复杂的占比、排名、同环比分析
-5. **性能优化** 需要权衡灵活性与效率，合理选择分组方式
-
-***
-
-### 学习路径建议
-
-1. **基础阶段**：掌握标准 GROUP BY 和常用聚合函数
-2. **进阶阶段**：学习 GROUPING SETS、ROLLUP、CUBE 的使用场景
-3. **高级阶段**：结合窗口函数、CTE 实现复杂业务分析
-4. **实战阶段**：应用于实际业务场景，优化查询性能
-
-***
-
-### 快速参考
-
-```sql
--- 基础分组
-SELECT column, AGG_FUNC(column) FROM table GROUP BY column;
-
--- 多维分组
-SELECT col1, col2, AGG_FUNC(col3) 
-FROM table 
-GROUP BY GROUPING SETS ((col1, col2), (col1), ());
-
--- 层级汇总
-SELECT col1, col2, AGG_FUNC(col3) 
-FROM table 
-GROUP BY ROLLUP(col1, col2);
-
--- 交叉分析
-SELECT col1, col2, AGG_FUNC(col3) 
-FROM table 
-GROUP BY col1, col2 WITH CUBE;
-
--- 条件过滤
-SELECT col1, AGG_FUNC(col2) 
-FROM table 
-WHERE condition
-GROUP BY col1 
-HAVING AGG_FUNC(col2) > value;
-```
-
-^