MsSql

关注公众号 jb51net

关闭
首页 > 数据库 > MsSql > SQL分组的文字排序聚合

基于SQL实现分组的文字排序聚合功能

作者：大汪的数据之路

本文详细介绍了多种数据库产品实现实现组内文字列排序聚合的实现方法,本文结合实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧

作为数据工程师，对数据进行处理分析时，时常遇到基于SQL实现分组内的文字列的排序聚合是非常常见的场景，比如按照价格高低进行各类别下商品的汇总、按照成绩进行各班的学生的排名等。当下，支持SQL的数据库生态百花齐放，SQL方言也是多种多样，为了方便记忆，以下总结了常见的几类数据产品或者平台的支持情况（代码经过实际测试可跑通）：

假设数据集为sales，需要展示每个类别下的按照价格排序的商品清单。

CREATE TABLE sales AS
SELECT 'Electronics' AS category, 'Laptop' AS product, 1000 AS price UNION ALL
SELECT 'Electronics', 'Mouse', 20 UNION ALL
SELECT 'Electronics', 'Keyboard', 80 UNION ALL
SELECT 'Furniture', 'Desk', 300 UNION ALL
SELECT 'Furniture', 'Chair', 150
；

1，Spark

SELECT 
    category,
    concat_ws(',', 
        TRANSFORM(
            SORT_ARRAY(COLLECT_LIST(STRUCT(price, product))),
            s -> s.product
        )
    ) AS products_sorted
FROM sales
GROUP BY category
;

2，Impala

SELECT 
    category,
    regexp_replace(
        group_concat(concat_ws('|', rn, product), ','),
        '[0-9]+\\|', 
        ''
    ) AS products_sorted
FROM (
    SELECT 
        category,
        product,
        cast(row_number() OVER (PARTITION BY category ORDER BY price) AS STRING) AS rn
    FROM sales
) t
GROUP BY category;

3，Oracle

select category
, LISTAGG(product, ', ') WITHIN GROUP (ORDER BY price) AS product_sorted
from sales t
group by category

4，SQL Server

SELECT 
    category,
    STRING_AGG(product, ', ') WITHIN GROUP (ORDER BY price) AS products_sorted
FROM sales
GROUP BY category;

5，PostgreSQL

SELECT 
    category,
    string_agg(product, ', ' ORDER BY price) AS products_sorted
FROM sales
GROUP BY category;

6，MySQL

SELECT 
    category,
    GROUP_CONCAT(product ORDER BY price SEPARATOR ',') AS products_sorted
FROM sales
GROUP BY category;

7、SQLite&DuckDB

SELECT 
    category,
    string_agg(product, ', ' ORDER BY price) AS products_sorted,
    group_concat(product, ', ' ORDER BY price DESC) AS products_sorted1
FROM sales
GROUP BY category;

8，ClickHouse

--方式一，利用子查询先行排序
SELECT 
    category,
    arrayStringConcat(groupArray(product), ',') AS products_sorted
FROM (
    SELECT category, product
    FROM db_test.sales
    ORDER BY category, price ASC
)
GROUP BY category;
--方式二，Lambda表达式
SELECT 
    category,
    arrayStringConcat(
        arrayMap(
            x -> x.2,   -- 提取元组的第二个元素，即 product
            arraySort(
                x -> x.1,   -- 按元组的第一个元素（price）升序排序
                groupArray((price, product))
            )
        ),
        ','
    ) AS products_sorted
FROM db_test.sales
GROUP BY category;

总结：

Oracle listagg是商业数据库比较早的实现该功能的函数，使用方便，最为经典并广为人知。SQL Server前期支持较弱，后期弥补了该功能短板，为了方便用户记忆使用，格式与Oracle格式高度相似。开源数据库中，Mysql和PostgreSQL各自使用了独立的格式，相对商业数据库，变化较大，需要额外的记忆。嵌入式数据库中，无论是OLTP的SQLite，还是OLAP的DuckDB，其格式与PG高度一致，说明PG的影响力非常大，SQLite从3.44.0版本开始支持带order by功能，DuckDB本身定位为分析型数据库，从最早的版本即有完整的功能支持。大数据体系的特点是海量存储和非结构化数据处理，针对结构化数据的复杂处理逻辑，支持相对较弱，可以看出Impala和Spark的SQL实现逻辑最为复杂，嵌套使用了多种函数，代码冗长，很难快速记住。分析型数据库中，ClickHouse早期的逻辑比较复杂，Lambda函数类似Spark SQL，后期应该是为了用户使用方便，做了简化，但语法保持了自己的特色。国产信创数据库方面，目前多为兼容Oracle或者PostgreSQL，暂时应该还未发展出独立的语法体系。

以上只记录了语法格式的差异，而由于各个产品的架构设计不一样，实际使用中性能的差异可能会比较大。当然如果数据量不大，没有到亿级的规模，性能应该都是可以接受的。

进入大模型时代之后，靠记忆来记住不同数据库的语法既耗时也没有必要。只要稍微描述下场景，大模型直接可以写出完整的语句。只要掌握各类数据产品的特点和背景，数据工程师在面对新数据产品的时候，就可以快速利用AI大模型进行各类复杂逻辑的SQL开发。

到此这篇关于基于SQL实现分组的文字排序聚合的文章就介绍到这了,更多相关基于SQL实现分组的文字排序聚合内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:
阅读全文