前言

clickhouse的强大之处在于充分利用内存计算的高效性从而快速得到计算结果，尤其是对于一些需要做聚合分析、统计等场景下，clickhouse提供了一些按维度分析的函数，本文将介绍clickhouse常用的几类多维分析函数。

groupby函数

还记得在mysql中，使用sql语句进行groupby的场景吧，即对查询结果按照某个字段，或者多个字段进行分组汇聚，具有相同业务场景的数据被分到同一个组中；

在clickhouse中，也提供了groupby的功能，不过clickhouse的groupby提供了更丰富的视角，即维度对查询结果进行分组，主要包括：

• with rollup【上卷】；
• with cube【多维分析】；
• with total【统计总数】；

rollup

rollup也叫上卷，举例来说，在A表中，其中有a,b两个字段，根据字段的有序性进行group by，比如像下面这样，那么在clickhouse中即成为上卷；

group by a

group by a,b

cube

rollup也叫多维分析，仍然以A表为例，group by的字段如果进行排列组合可以得出很多种结果，比如：

group by a

group by a,b

group by b

group by b,a

案例实操

1、创建一张数据表

create table t_order_mt1(id UInt32,sku_id String,total_amount Decimal(16,2),create_time Datetime
) engine =MergeTreepartition by toYYYYMMDD(create_time)primary key (id)order by (id,sku_id);

2、插入一批数据

insert into t_order_mt1 values
(101,'sku_001',1000.00,'2022-09-01 12:00:00'),
(101,'sku_002',2000.00,'2022-09-01 12:00:00'),
(103,'sku_004',2500.00,'2022-09-01 12:00:00'),
(104,'sku_002',2000.00,'2022-09-01 12:00:00'),
(105,'sku_003',600.00,'2022-09-02 12:00:00'),
(106,'sku_001',1000.00,'2022-09-04 12:00:00'),
(107,'sku_002',2000.00,'2022-09-04 12:00:00'),
(108,'sku_004',2500.00,'2022-09-04 12:00:00'),
(109,'sku_002',2000.00,'2022-09-04 12:00:00'),
(110,'sku_003',600.00,'2022-09-01 12:00:00');

3、使用从右至左去掉维度进行小计

 select id , sku_id,sum(total_amount) from t_order_mt1 group by id,sku_id with rollup

4、从右至左去掉维度进行小计，再从左至右去掉维度进行小计 

select id , sku_id,sum(total_amount) from t_order_mt group by id,sku_id with cube;

从展示的结果来看，即按照id和sku_id两个字段的不同的组合，得到了各种组合下的统计结果

5、with totals: 只计算合计

select id , sku_id,sum(total_amount) from t_order_mt group by id,sku_id with totals;