SQL Server: Diferencia entre PARTICIÓN POR y GRUPO POR

Podemos tomar un ejemplo simple

Tenemos una tabla llamada TableA con los siguientes valores .

id  firstname                   lastname                    Mark
-------------------------------------------------------------------
1   arun                        prasanth                    40
2   ann                         antony                      45
3   sruthy                      abc                         41
6   new                         abc                         47
1   arun                        prasanth                    45
1   arun                        prasanth                    49
2   ann                         antony                      49

Grupo Por

La cláusula SQL GROUP BY se puede usar en una instrucción SELECT para recopilar datos en varios registros y agrupar los resultados por uno o más columna.

En palabras más simples, el GRUPO POR declaración se usa junto con las funciones aggregate para agrupar el resultado establecido por uno o más columna.

Sintaxis :

SELECT expression1, expression2, ... expression_n, 
       aggregate_function (aggregate_expression)
FROM tables
WHERE conditions
GROUP BY expression1, expression2, ... expression_n;

Podemos aplicar GroupBy en nuestra tabla

select SUM(Mark)marksum,firstname from TableA
group by id,firstName

Resultados:

marksum  firstname
----------------
94      ann                      
134     arun                     
47      new                      
41      sruthy   

En nuestra tabla real tenemos 7 filas y cuando aplicamos group by id, el servidor agrupa los resultados basados en id

En palabras simples

Aquí group by normalmente reduce el número de filas devueltas por rolling ellos para arriba y la suma de cálculo para cada fila.

Partición por

Antes de ir a la partición por

Veamos la cláusula OVER

Según la definición de MSDN

La cláusula OVER define una ventana o un conjunto de filas especificado por el usuario conjunto de resultados de consulta. A continuación, una función de ventana calcula un valor para cada fila en la ventana. Puede utilizar la cláusula OVER con funciones para calcular valores agregados tales como medias móviles, agregados acumulativos, totales corrientes, o un top N por grupo de resultados.

partición por no reducirá el número de filas devueltas

Podemos aplicar la partición en nuestra tabla de ejemplo

select SUM(Mark) OVER (PARTITION BY id) AS marksum, firstname from TableA

Resultado:

marksum firstname 
-------------------
134     arun                     
134     arun                     
134     arun                     
94      ann                      
94      ann                      
41      sruthy                   
47      new  

Mira los resultados que va a particionar las filas y los resultados de todas las filas no como grupo por.

partition by en realidad no enrolla los datos. Le permite restablecer algo por grupo. Por ejemplo, puede obtener una columna ordinal dentro de un grupo particionando en el campo de agrupación y usando rownum() sobre las filas dentro de ese grupo. Esto le da algo que se comporta un poco como una columna de identidad que se restablece al principio de cada grupo.

PARTICIÓN POR Divide el conjunto de resultados en particiones. La función de ventana se aplica a cada partición por separado y el cálculo se reinicia para cada partición.

Se encuentra en este enlace: Sobre la Cláusula

Proporciona datos enrollados sin enrollar

Es decir, Supongamos que quiero devolver la posición relativa de la región de ventas

Usando PARTITION BY, puedo devolver la cantidad de ventas para una región dada y la cantidad MÁXIMA en todas las regiones de ventas en la misma fila.

Esto significa que tendrá datos repetidos, pero puede adaptarse al consumidor final en el sentido de que los datos se han agregado pero no se han perdido, como sería el caso con GROUP BY.

PARTITION BY es analítico, mientras que GROUP BY es agregado. Para usar PARTITION BY, tienes que contenerlo con una cláusula OVER.

A mi entender Partition By es casi idéntica a Group By, pero con las siguientes diferencias:

Ese grupo por agrupa realmente el conjunto de resultados que devuelve una fila por grupo, lo que resulta por lo tanto en SQL Server solo permitiendo en la lista de SELECCIÓN funciones agregadas o columnas que forman parte de la cláusula group by (en cuyo caso SQL Server puede garantizar que hay resultados únicos para cada grupo).

Considere por ejemplo MySQL que permite tener en el SELECT enumere las columnas que no están definidas en la cláusula Group By, en cuyo caso todavía se devuelve una fila por grupo, sin embargo, si la columna no tiene resultados únicos, entonces no hay garantía de cuál será la salida.

Pero con Partición Por, aunque los resultados de la función son idénticos a los resultados de una función agregada con Grupo Por, todavía está obteniendo el conjunto de resultados normal, lo que significa que uno está obteniendo una fila por fila subyacente, y no una fila por grupo, y debido a esto uno puede tener columnas que no son únicas por grupo en la lista de selección.

Así como un resumen, el Grupo Por sería mejor cuando necesita una salida de una fila por grupo, y la partición Por sería mejor cuando uno necesita todas las filas pero todavía quiere la función agregada basada en un grupo.

Por supuesto, también puede haber problemas de rendimiento, consulte http://social.msdn.microsoft.com/Forums/ms-MY/transactsql/thread/0b20c2b5-1607-40bc-b7a7-0c60a2a55fba.

Supongamos que tenemos 14 registros de la columna name en la tabla

select name,count(*) as totalcount from person where name='Please fill out' group BY name;

Dará cuenta en una sola fila, es decir, 14

Pero en partition by

select row_number() over (partition by name) as total from person where name = 'Please fill out';

Se 14 filas de aumento en la cuenta

Pequeña observación. Mecanismo de automatización para generar dinámicamente SQL utilizando la ' partition by 'es mucho más sencillo de implementar en relación con el'group by'. En el caso de 'group by', debemos cuidar el contenido de la columna' select'.

-- BELOW IS A SAMPLE WHICH OUTLINES THE SIMPLE DIFFERENCES
-- READ IT AND THEN EXECUTE IT
-- THERE ARE THREE ROWS OF EACH COLOR INSERTED INTO THE TABLE
-- CREATE A database called testDB


-- use testDB
USE [TestDB]
GO


-- create Paints table
CREATE TABLE [dbo].[Paints](
    [Color] [varchar](50) NULL,
    [glossLevel] [varchar](50) NULL
) ON [PRIMARY]

GO


-- Populate Table
insert into paints (color, glossLevel)
select 'red', 'eggshell'
union
select 'red', 'glossy'
union
select 'red', 'flat'
union
select 'blue', 'eggshell'
union
select 'blue', 'glossy'
union
select 'blue', 'flat'
union
select 'orange', 'glossy'
union
select 'orange', 'flat'
union
select 'orange', 'eggshell'
union
select 'green', 'eggshell'
union
select 'green', 'glossy'
union
select 'green', 'flat'
union
select 'black', 'eggshell'
union
select 'black', 'glossy'
union
select 'black', 'flat'
union
select 'purple', 'eggshell'
union
select 'purple', 'glossy'
union
select 'purple', 'flat'
union
select 'salmon', 'eggshell'
union
select 'salmon', 'glossy'
union
select 'salmon', 'flat'


/*   COMPARE 'GROUP BY' color to 'OVER (PARTITION BY Color)'  */

-- GROUP BY Color 
-- row quantity defined by group by
-- aggregate (count(*)) defined by group by
select count(*) from paints
group by color

-- OVER (PARTITION BY... Color 
-- row quantity defined by main query
-- aggregate defined by OVER-PARTITION BY
select color
, glossLevel
, count(*) OVER (Partition by color)
from paints

/* COMPARE 'GROUP BY' color, glossLevel to 'OVER (PARTITION BY Color, GlossLevel)'  */

-- GROUP BY Color, GlossLevel
-- row quantity defined by GROUP BY
-- aggregate (count(*)) defined by GROUP BY
select count(*) from paints
group by color, glossLevel



-- Partition by Color, GlossLevel
-- row quantity defined by main query
-- aggregate (count(*)) defined by OVER-PARTITION BY
select color
, glossLevel
, count(*) OVER (Partition by color, glossLevel)
from paints