转载oracle rollup和cube函数使用心得
转自：http://blog.csdn.net/wangdongzjk/archive/2005/11/18/532424.aspx
事关CUBE ROLLUP GROUPING SETS（1）
原文引自：
聚合是数据仓库的基础。为了提高聚合的性能。Oracle提供了Group By 条款的扩展。
1． CUBE, ROLLUP扩展
2． 3个grouping函数
3． Grouping set扩展
CUBE ROLLUP GROUPING SETS对SQL的扩展使得查询和报告都变得简单和迅速。Rollup计算诸如sum count max min avg的函数，增加了聚合的级别.CUBE是一个类似ROLLUP的扩展，使得可以用一个语句计算所有可能的聚合。CUBE可以通过单条生成Cross-tabulation（交叉报表）报告的信息。CUBE，ROLLUP，GROUPING SETS扩展令你可以精确的对你感兴趣的group by 条款进行grouping。不运行cube操作也可以高效的从多个维度进行分析。计算一个full cube将会带来很高的负载，所以将cube替换为grouping sets可以明显地提高性能。CUBE ROLLUP GROUPING SETS可以生成单个结果集，等效于UNION ALL。为了提高性能，CUBE, ROLLUP, and GROUPING SETS可以并行进行：多进程同时运算所有的语句。这种功能使得聚合计算更加高效，因此提高了数据库性能和可测性。
Analyzing Across Multiple Dimensions
多维分析
在DSS系统中一个很重要的概念是多维分析：
从多个角度对企业的状况进行查勘。Demension，众多的维一般是时间，空间，产品，部门，渠道，企业的维度多种多样。事件和实体关联特定的维度就是所谓的facts.这些所谓的facts可以是销售，现金，利润，客户账户，或是其他一些值得记录的东东。
下面是一些多维需求的例子
1． 展示1999和2000年，所有产品的总销量，聚合级别为地域维度，从州到国家到地区。
2． 创建交叉报表分析1999和2000年南美洲范围的费用，包括所有的小记
所有的需求都包含了多维。很多多维的问题需要数据的聚合，数据集的比较，通常跨越时间，地域。
Optimized Performance
不仅仅是多维的问题，还有所有类型的处理可以从增强聚合功能中得到好处。事务的处理，金融制造系统-所有的这些都产生大量的生产报告需要大量的系统资源。创建这些报告减少系统负载，提升了系�
相关文档：
语法：
select *
from 表名
where 条件1
start with 条件2
connect by prior 当前表字段=级联表字段
start with与connect by prior语句完成递归记录，形成一棵树形结构，通常可以在具有层次结构的表中使用。
start with表示开始的记录
connect by prior 指定与当前记录关联时的字段关系
代码：
--创建部门� ......
今天在对表创建视图的时候，用户提示 ORA-01031用户权限不足
使用system用户对其分配dba等权限，依然无法创建视图。
继续赋予权限
grant select any table to AAA;
授予用户询所有表的权限
grant select any dictionary to AAA;
再次授取用户select任何字典的权限
......
--名词说明：源——被同步的数据库
目的——要同步到的数据库
前6步必须执行,第6以后是一些辅助信息.
--1、在目的数据库上，创建dblink
drop public database link dblink_orc92_182;
Create public DATABASE LINK dbl ......
在大多数时候我们在设计程序的时候都遵循下面的步骤：
1、打开游标
2、开始循环
3、从游标中取值
那一行被返回
5、处理
6、关闭循环
7、关闭游标
可以简单的把这一类代码称为游标用于循环。但还有一种循环与这种类型不相同，这就是FOR循环，用于FOR循环的游标按照正常的声明方式声明，它的优� ......
select d.code,d.name, sum(w.weight) weight,round(avg(w.price),2) price,sum(w.money) money
from weight_info w left outer join t_dict d on w.productcode=d.code left outer join t_balancecode b on w.balancecode=b.balancecode where 1=1 and w.operdate>TO_TIMESTAMP('2009-11-2 04:12:32.0', ' ......
