Alexander Kuznetsov
Chicago，IL
2004 年 4 月 在线分析处理（online analytical processing，OLAP）函数非常灵活，也很强大。通过使用这些函数，您可以为一些问题找到简单的解决方案，而这些问题本来要么是要迭代一个或者多个游标，要么是要进行递归。在其他某些情况下，编写查询时，使用 OLAP 函数或辅助表比起不使用它们来要容易得多。
使用 OLAP 函数的一些实用技巧
在线分析处理（online analytical processing，OLAP）函数非常灵活，也很强大。通过使用这些函数，您可以为一些问题找到简单的解决方案，而这些问题本来要么是要迭代一个或者多个游标，要么是要进行递归。在其他某些情况下，编写查询时，使用 OLAP 函数或辅助表比起不使用它们来要容易得多。有一篇写得很好的文章，作者是 Bob Lyle，这篇文章很好地描述了 OLAP 函数。
本文没有对 OLAP 函数作什么描述，而是描述了实际生活中的一些情况，在这些情况中，往往是通过使用 OLAP 函数得出了简单的解决方案。
使用连续数或日期生成辅助表
辅助表不包含用户的数据。相反，这些表用于简化查询的编写。我们将使用两个辅助表：
- 顺序表，即连续整数的列表，从 1 开始，以某个最大数结束。
- 日历表，即介于开始日期和结束日期之间的连续日期的列表。
本章中，我们将学习如何使用 OLAP 函数填充辅助表。在后面接下来的三章中，我们将讨论一些例子，在这些例子中辅助表非常有用。
注意：Joe Celko 撰写的“SQL for Smarties”一书对辅助表作了详细讨论。
让我们创建并填充一个顺序表。使用一个 OLAP 函数 ROW_NUMBER() 为结果集中的各行提供连续数（consecutive number），像这样：
SELECT ROW_NUMBER() OVER(), TABNAME FROM SYSCAT.TABLES WHERE TABSCHEMA='DB2ADMIN'
1 TABNAME
-------------------------------------------
1 CONSECUTIVE_NUMS
2 DATES
3 EXPLAIN_ARGUMENT
4 EXPLAIN_INSTANCE
5 EXPLAIN_OBJECT
6 EXPLAIN_OPERATOR
7 EXPLAIN_PREDICATE
8 EXPLAIN_STATEMENT
9 EXPLAIN_STREAM
10 SALES_DETAIL
11 SALES_DETAIL_CLS
11 record(s) selected.
|
注意，即使没有被选中的列，也会提供连续数。例如，让我们使用从 1 开始的连续数来填充一个表。方法如下：
CREATE TABLE NUMBER_SEQ(NUM INT NOT NULL);
INSERT INTO NUMBER_SEQ SELECT ROW_NUMBER() OVER() FROM
SYSCAT.COLUMNS;
|
从 1 开始的连续数将被插入到表 NUMBER_SEQ 中，在系统视图 SYSCAT.COLUMNS 中，每个数字对应一行（我选择了 SYSCAT.COLUMNS，是因为它出现在每个数据库中，并且总是有 1,000 多行。您可以使用任何表，只要这个表有足够多（但不要太多）的记录）。在 NUMBER_SEQ 中会有 SYSCAT.COLUMNS 表中那么多的行：
SELECT MIN(NUM) AS MIN_NUM, MAX(NUM) AS MAX_NUM, COUNT(*) AS NUM_REC FROM NUMBER_SEQ
MIN_NUM MAX_NUM NUM_REC
----------- ----------- -----------
1 3197 3197
1 record(s) selected.
|
使用连续日期来填充一个日历表很容易：
CREATE TABLE DATE_SEQ(SOME_DATE DATE NOT NULL);
INSERT INTO DATE_SEQ SELECT DATE('01/01/2003') + (ROW_NUMBER()
OVER() - 1) DAYS FROM SYSCAT.COLUMNS;
|
我们已经看到了如何使用 OLAP 函数 ROW_NUMBER() 来创建和填充辅助表。显然，有两种方法可以完成这一任务。例如，我们可以使用递归或者在一个循环中插入记录。在这种解决方案中，使用 ROW_NUMBER 的最大好处是简化了编程。
在接下来的三章中，我们将使用 NUMBER_SEQ 和 DATE_SEQ 这两个辅助表来简化某些本来比较复杂的查询。
使用顺序表打印发票
假设我们需要存储某杂货店一条收银线上的所有销售额。还需要能够打印任何一笔买卖的发票，像这样：
ITEM_NAME PRICE_PER_ITEM
------------------------------ ------------------------
NESCAFE CLASSIC +6.49000000000000E+000
ENGLISH BAGELS 6-PACK +1.49000000000000E+000
ENGLISH BAGELS 6-PACK +1.49000000000000E+000
|
由于某些原因，我们选择不在数据库中存储重复的记录。也就是说，我们希望只存储一条记录 ('ENGLISH BAGELS 6-PACK', 1.49, 2) ，而不是两条记录 ('ENGLISH BAGELS 6-PACK', 1.49) 。
不存储重复行通常可以带来更多方便。因此，我们应该使用下面这样的表：
CREATE TABLE SALE_ITEM(
SALE_ID INT NOT NULL,
ITEM_NAME VARCHAR(30) NOT NULL,
ITEM_QUANTITY SMALLINT NOT NULL,
PRICE_PER_ITEM FLOAT NOT NULL);
INSERT INTO SALE_ITEM VALUES
(1, 'NESCAFE CLASSIC', 1, 6.49),
(1, 'ENGLISH BAGELS 6-PACK', 2, 1.49),
(1, 'BABY CARROTS', 3, 0.99);
|
我们需要编写一个查询，该查询的输出应该是这样的（实际上就是打印一张发票）：
ITEM_NAME PRICE_PER_ITEM
------------------------------ ------------------------
NESCAFE CLASSIC +6.49000000000000E+000
ENGLISH BAGELS 6-PACK +1.49000000000000E+000
ENGLISH BAGELS 6-PACK +1.49000000000000E+000
BABY CARROTS +9.90000000000000E-001
BABY CARROTS +9.90000000000000E-001
BABY CARROTS +9.90000000000000E-001
|
下面是一个非常简单的查询，这个查询可以实现上述功能：
SELECT ITEM_NAME, PRICE_PER_ITEM FROM SALE_ITEM JOIN NUMBER_SEQ
ON NUMBER_SEQ.NUM <= SALE_ITEM.ITEM_QUANTITY ORDER BY
PRICE_PER_ITEM DESC
|
注意：在不相等的条件下，联结两个表是完全合法的，像这个例子中就是如此。
如前一章所述，我们也可以通过使用递归来得到所需的结果。在某些情况下，递归或许更加有效。不过，使用了顺序表的代码看上去更简单，更易于理解，并且不必为避免可能由递归招致的无限循环而担忧。因此，在这种情况下，比起使用递归来，使用 ROW_NUMBER 是一种简单的替代方法。
如果不能创建辅助表，那么使用表表达式并生成连续数会比较容易，像这样：
SELECT ITEM_NAME, PRICE_PER_ITEM FROM SALE_ITEM
JOIN
(SELECT ROW_NUMBER() OVER() AS NUM FROM SYSCAT.TABLES) AS NUMBER_SEQ
ON NUMBER_SEQ.NUM <= SALE_ITEM.ITEM_QUANTITY
ORDER BY PRICE_PER_ITEM DESC
|
结果完全一样，不过性能上慢了一点。
如何使用日历表简化查询
我从 [article on Pivot Tables] 中摘出了这个例子。首先，让我们创建一个表，并插入一些数据：
CREATE TABLE BUSINESS_TRIP(EMPLOYEE_ID INT NOT NULL, DATE_FROM DATE NOT NULL, DATE_TO DATE NOT NULL);
INSERT INTO BUSINESS_TRIP VALUES
(1, DATE('01/06/2003'), DATE('01/10/2003')),
(1, DATE('01/13/2003'), DATE('01/17/2003')),
(1, DATE('01/20/2003'), DATE('01/24/2003')),
(1, DATE('01/27/2003'), DATE('01/31/2003')),
(2, DATE('01/07/2003'), DATE('01/08/2003')),
(3, DATE('01/08/2003'), DATE('01/09/2003'));
|
假设有一个简单的任务：“选择 2003 年 1 月份没有雇员出差的所有日子”，这时日历表 DATE_SEQ 就很好用了。
SELECT SOME_DATE AS NOBODY_ON_TRIP FROM DATE_SEQ
WHERE SOME_DATE BETWEEN DATE('01/01/2003') AND DATE('01/31/2003')
AND NOT EXISTS(SELECT * FROM BUSINESS_TRIP WHERE SOME_DATE BETWEEN DATE_FROM AND DATE_TO);
NOBODY_ON_TRIP
--------------
01/01/2003
01/02/2003
01/03/2003
01/04/2003
01/05/2003
01/11/2003
01/12/2003
01/18/2003
01/19/2003
01/25/2003
01/26/2003
11 record(s) selected.
|
这个查询非常简单。在[article on Pivot Tables]中讨论了一些肯定是更复杂的替代方案。
假设有一个类似的任务：“选择 2003 年 1 月份有两名以上雇员在出差的所有日子”，同样，这里日历表 DATE_SEQ 也提供了一个非常容易的方法：
SELECT SOME_DATE AS THREE_OR_MORE_ON_TRIP FROM DATE_SEQ
WHERE SOME_DATE BETWEEN DATE('01/01/2003') AND DATE('01/31/2003')
AND (SELECT COUNT(*) FROM BUSINESS_TRIP WHERE SOME_DATE BETWEEN DATE_FROM AND DATE_TO) > 2;
THREE_OR_MORE_ON_TRIP
-------------------
01/08/2003
|
同样，如果不能创建辅助表，我们就可以使用表表达式：
SELECT SOME_DATE AS THREE_OR_MORE_ON_TRIP
FROM
(SELECT DATE('01/01/2003') + ROW_NUMBER() OVER() DAYS AS SOME_DATE FROM SYSCAT.TABLES) AS DATE_SEQ
WHERE SOME_DATE BETWEEN DATE('01/01/2003') AND DATE('01/31/2003')
AND (SELECT COUNT(*) FROM BUSINESS_TRIP WHERE SOME_DATE BETWEEN DATE_FROM AND DATE_TO) > 2;
|
使用顺序表将两条记录布置到一行上
假设该表的结构和数据如下：
CREATE TABLE VEHICLE_ACCIDENT(
ACCIDENT_ID INT NOT NULL,
TAG_NUMBER CHAR(10) ,
TAG_STATE CHAR(2) );
INSERT INTO VEHICLE_ACCIDENT VALUES(1,'123456','IL'),(1,'234567','IL'),(1,'34567TT','WI');
|
（为了简单起见，这里省略了其他列）。注意，在一起事故中可能牵涉到不止两辆车。这就要求将两条记录布置到一行上，像这样（当牵涉到 3 辆车时）：
TAG_NUMBER_1 TAG_STATE_1 TAG_NUMBER_2 TAG_STATE_2
------------ ----------- ------------ -----------
123456 IL 234567 IL
3456TT WI
|
通过使用 ROW_NUMBER() ，这一点很容易实现：
WITH VEHICLE_ACCIDENT_RN(ACCIDENT_ID, ROWNUM, TAG_NUMBER, TAG_STATE) AS
(SELECT ACCIDENT_ID, ROW_NUMBER() OVER() AS ROWNUM, TAG_NUMBER, TAG_STATE
FROM VEHICLE_ACCIDENT)
SELECT
LEFT_SIDE.TAG_NUMBER AS TAG_NUMBER_1,
LEFT_SIDE.TAG_STATE AS TAG_STATE_1,
RIGHT_SIDE.TAG_NUMBER AS TAG_NUMBER_2,
RIGHT_SIDE.TAG_STATE AS TAG_STATE_2
FROM
(SELECT L.*, (L.ROWNUM+1)/2 AS PAGENUM FROM VEHICLE_ACCIDENT_RN L WHERE MOD(ROWNUM,2)=1)AS LEFT_SIDE
LEFT OUTER JOIN
(SELECT R.*, (R.ROWNUM+1)/2 AS PAGENUM FROM VEHICLE_ACCIDENT_RN R WHERE MOD(ROWNUM,2)=0)AS RIGHT_SIDE
ON LEFT_SIDE.PAGENUM = RIGHT_SIDE.PAGENUM
WHERE LEFT_SIDE.ACCIDENT_ID=1 AND (RIGHT_SIDE.ACCIDENT_ID=1 OR RIGHT_SIDE.ACCIDENT_ID IS NULL)
|
不管事故涉及的车辆是奇数还是偶数，该查询都给出了正确的结果。可以随意添加记录并进行检验。同样，如上一章所述，也可以通过一些其他的方法来解决这个问题。通过使用 ROW_NUMBER() ，我们可以得到一个很简单的解决方案，这个方案可以快捷地开发出来，并且易于理解。
使用 ROW_NUMBER() 为客人分配房间
让我们考虑一个简单的问题。假设有两个表：一个是宾馆可用房间的列表，一个是刚到的宾馆客人的列表。我们需要将可用的房间分配给刚到的客人，那么如果有空房间的话，应该尽量使每个客人得到一个房间。为了解决这样的问题，通常需要打开两个游标，一个是用于房间的游标，一个是用于客人的游标，然后迭代这两个游标，直到其中一个游标或者两个游标同时到达结尾处。下面是这个表的定义和一些样本数据：
CREATE TABLE ROOM(
ROOM_ID INT NOT NULL PRIMARY KEY,
SMOKING CHAR(1) NOT NULL CHECK(SMOKING IN ('N','Y')));
INSERT INTO ROOM VALUES (121,'Y'),(139,'N'),(142,'N'),(201,'Y'),(202,'N');
CREATE TABLE GUEST(
GUEST_ID INT NOT NULL PRIMARY KEY,
SMOKER CHAR(1) NOT NULL CHECK(SMOKER IN ('N','Y')));
INSERT INTO GUEST VALUES(321, 'N'),(17,'Y'),(57,'Y'),(91,'Y'),(2,'N'),(444,'N');
CREATE TABLE GUEST_ASSIGNMENT(
GUEST_ID INT NOT NULL PRIMARY KEY,
ROOM_ID INT NOT NULL UNIQUE,
FOREIGN KEY(GUEST_ID) REFERENCES GUEST(GUEST_ID),
FOREIGN KEY(ROOM_ID) REFERENCES ROOM(ROOM_ID));
|
如果使用 OLAP 函数 ROW_NUMBER() ，就不需要打开两个游标并迭代房间和客人。相反，我们可以简单地联结这两个表，并在房间与客人之间取得 1 对 1 的对应关系。为了理解其工作原理，让我们首先看看这个选择查询及其输出：
SELECT ROOM_NUMBER, GUEST_NUMBER, ROOM_ID, GUEST_ID
FROM
(SELECT ROW_NUMBER() OVER(ORDER BY ROOM_ID) AS ROOM_NUMBER, ROOM_ID FROM ROOM) AS R
JOIN
(SELECT ROW_NUMBER() OVER(ORDER BY GUEST_ID) AS GUEST_NUMBER, GUEST_ID FROM GUEST) AS G
ON ROOM_NUMBER=GUEST_NUMBER
ROOM_NUMBER GUEST_NUMBER ROOM_ID GUEST_ID
-------------------- -------------------- ----------- -----------
1 1 121 2
2 2 139 17
3 3 142 57
4 4 201 91
5 5 202 321
|
（要了解关于表表达式的更多细节，请参考 Sheryl Larsen 的文章。）
这个例子查询将 ROOM 表中的最多一条记录与 GUEST 表中的最多一条记录相联结。注意，您可以不像我那样指定排序（OVER(ORDER BY GUEST_ID)），而是宣称排序不重要（OVER()），甚至请求使用随机排序（OVER(ORDER BY RAND())）。在这种情况下，一个客人得不到一个房间，因为没有足够的空房间。可以随意添加记录到 ROOM 表中，以检验该查询在其他情况下（例如有客人那么多的房间，或者没有客人那么多的房间）的工作情况。
如果理解了联结的工作原理，填充 GUEST_ASSIGNMENT 表就比较容易了：
INSERT INTO GUEST_ASSIGNMENT
SELECT GUEST_ID, ROOM_ID
FROM
(SELECT ROW_NUMBER() OVER(ORDER BY ROOM_ID) AS ROOM_NUMBER, ROOM_ID FROM ROOM) AS R
JOIN
(SELECT ROW_NUMBER() OVER(ORDER BY GUEST_ID) AS GUEST_NUMBER, GUEST_ID FROM GUEST) AS G
ON ROOM_NUMBER=GUEST_NUMBER
|
我们已经看到，在这种情况下使用 ROW_NUMBER() 函数可以为我们的开发节省很多力气。我们不必打开两个游标并迭代它们。
使用 ROW_NUMBER() OVER(PARTITION ... ) 将不抽烟的客人分配到“无烟”房间
前一章的示例过于简单。这里让我们更接近现实一点。让我们确保吸烟的客人住进允许吸烟的房间，而不吸烟的客人则住进无烟房间。下面的查询就实现了这一点：
SELECT ROOM_NUMBER, GUEST_NUMBER, SMOKER, SMOKING, ROOM_ID, GUEST_ID
FROM
(SELECT ROW_NUMBER() OVER(PARTITION BY SMOKING ORDER BY ROOM_ID) AS ROOM_NUMBER, ROOM_ID, SMOKING FROM ROOM) AS R
JOIN
(SELECT ROW_NUMBER() OVER(PARTITION BY SMOKER ORDER BY GUEST_ID) AS GUEST_NUMBER, GUEST_ID, SMOKER FROM GUEST) AS G
ON ROOM_NUMBER=GUEST_NUMBER AND SMOKER=SMOKING
ROOM_NUMBER GUEST_NUMBER SMOKER SMOKING ROOM_ID GUEST_ID
-------------------- -------------------- ------ ------- ----------- -----------
1 1 N N 139 2
2 2 N N 142 321
3 3 N N 202 444
1 1 Y Y 121 17
2 2 Y Y 201 57
|
同样，如果理解了如何联结 GUEST 和 ROOM 表中的记录，就可以通过一条简单的 INSERT 语句填充 GUEST_ASSIGNMENT 表。这种方法显然比迭代客人上的游标和房间上的游标要容易得多。
使用累加和将货物箱分配给卡车
本章中要讨论的这个问题非常类似于前面的两个问题。这次我将演示累加和是如何简化查询的开发的。
假设需要将一些大小一致的箱子装载到几辆容量不等的卡车上。实际上这是一个非常常见的资源分配问题，这种问题通常使用游标来解决。
下面是表的定义以及一些样本数据：
CREATE TABLE TRUCK(
TRUCK_ID INT NOT NULL PRIMARY KEY,
CAPACITY SMALLINT NOT NULL);
INSERT INTO TRUCK VALUES(11,3), (22, 2), (33,3);
CREATE TABLE CARGO_BOX(
CARGO_BOX_ID INT NOT NULL PRIMARY KEY,
DESCRIPTION VARCHAR(40));
INSERT INTO CARGO_BOX VALUES(101,'PEACHES'),(102,'POTATOES'),(103,'TOMATOES'),(104,'TOMATOES'),(105,'TOMATOES'),
(106,'PINEAPPLES'),(107,'PINEAPPLES');
CREATE TABLE BOX_IN_TRUCK(
TRUCK_ID INT NOT NULL,
CARGO_BOX_ID INT NOT NULL,
FOREIGN KEY(TRUCK_ID) REFERENCES TRUCK(TRUCK_ID),
FOREIGN KEY(CARGO_BOX_ID) REFERENCES CARGO_BOX(CARGO_BOX_ID));
|
问题是恰当地填充 BOX_IN_TRUCK 表，意即将箱子分配给卡车，使得没有卡车超载。通常需要使用游标来完成这一任务。不过，如果使用 OLAP 函数，即使没有游标也能完成这一任务。
INSERT INTO BOX_IN_TRUCK
SELECT
TRUCK_CUMULATIVE.TRUCK_ID,
CARGO_BOX.CARGO_BOX_ID
FROM
(SELECT SUM(CAPACITY) OVER(ORDER BY TRUCK_ID) - CAPACITY + 1 AS BOX_FROM,
SUM(CAPACITY) OVER(ORDER BY TRUCK_ID) AS BOX_TO, CAPACITY, TRUCK_ID FROM TRUCK) AS TRUCK_CUMULATIVE
JOIN
(SELECT ROW_NUMBER() OVER() AS ROW_NUMBER, CARGO_BOX_ID FROM CARGO_BOX) AS CARGO_BOX
ON ROW_NUMBER BETWEEN BOX_FROM AND BOX_TO;
|
让我们验证该查询是否产生了所需的结果：
SELECT * FROM BOX_IN_TRUCK
TRUCK_ID CARGO_BOX_ID
----------- ------------
11 101
11 102
11 103
22 104
22 105
33 106
33 107
|
为了理解其工作原理，让我们检索查询中涉及的所有列：
SELECT
TRUCK_CUMULATIVE.TRUCK_ID, BOX_FROM, BOX_TO,
CARGO_BOX.CARGO_BOX_ID, ROW_NUMBER
FROM
(SELECT SUM(CAPACITY) OVER(ORDER BY TRUCK_ID) - CAPACITY + 1 AS BOX_FROM,
SUM(CAPACITY) OVER(ORDER BY TRUCK_ID) AS BOX_TO, CAPACITY, TRUCK_ID FROM TRUCK) AS TRUCK_CUMULATIVE
JOIN
(SELECT ROW_NUMBER() OVER() AS ROW_NUMBER, CARGO_BOX_ID FROM CARGO_BOX) AS CARGO_BOX
ON ROW_NUMBER BETWEEN BOX_FROM AND BOX_TO;
TRUCK_ID BOX_FROM BOX_TO CARGO_BOX_ID ROW_NUMBER
----------- ----------- ----------- ------------ --------------------
11 1 3 101 1
11 1 3 102 2
11 1 3 103 3
22 4 5 104 4
22 4 5 105 5
33 6 8 106 6
33 6 8 107 7
7 record(s) selected.
|
要了解关于累加和的更多细节，请参考 Bob Lyle 的文章。
参考资料
- Bob Lyle 谈 DB2 中的 OLAP 函数
- 专家会谈：Sheryl Larsen 谈表表达式的威力
- SQL for Smarties: Advance SQL Programming, Second Edition ISBN: 1558605762; Format: Paperback, 450pp; Pub. Date: October 1999; Publisher: Elsevier Science & Technology Books, Joe Celko
- Turning On Pivot Tables, Oracle Magazine, Jonathan Gennick
结束语
我们看过了几个例子，在这些例子中，通过使用 OLAP 函数明显地简化了查询的开发。这只是冰山一角。应该清楚 OLAP 函数带来的诸多好处，并积极使用这些函数，因为它们可以让您更加轻松。
Good luck! |
