下面代码为Oracle数据库使用ROLLUP关键字统计
Oracle数据库自带的emp员工表中每个部门的工资总和，请讲解一下
SELECT e.deptno, d.dname, SUM(e.sal) AS 工资总和 FROM emp e,dept d WHERE e.deptno = d.deptno GROUP BY ROLLUP(e.deptno, d.dname);
Oracle ROLLUP 关键字统计工资总和详解
让我详细讲解这段代码，特别是 ROLLUP 的作用。
一、代码整体功能
这段代码的作用是：按部门统计员工工资总和，并同时生成所有部门的合计行。
sql
SELECT e.deptno, d.dname, SUM(e.sal) AS 工资总和FROM emp e, dept dWHERE e.deptno = d.deptnoGROUP BY ROLLUP(e.deptno, d.dname);
二、ROLLUP 是什么？
词源角度
| 单词 | 词源 | 含义 |
|---|---|---|
| ROLLUP | roll（滚动）+ up（向上） | 向上汇总、逐级累计 |
字面意思：把数据"向上滚动"汇总，从细粒度到粗粒度逐级聚合。
三、ROLLUP 的作用
ROLLUP 是 Oracle 中的分组扩展语法，它在正常分组的基础上，额外生成小计和总计行。
GROUP BY ROLLUP(A, B) 产生的分组组合
| 分组级别 | 分组依据 | 说明 |
|---|---|---|
| 第1组 | (A, B) | 正常分组（最细粒度） |
| 第2组 | (A) | A 的小计 |
| 第3组 | () | 总计 |
四、假设数据
emp 表（员工表）
empno | ename | sal | deptno |
1001 | 张三 | 5000 | 10 |
1002 | 李四 | 6000 | 10 |
1003 | 王五 | 7000 | 20 |
1004 | 赵六 | 8000 | 20 |
1005 | 孙七 | 9000 | 30 |
dept 表（部门表）
| deptno | dname |
|---|---|
| 10 | 财务部 |
| 20 | 技术部 |
| 30 | 销售部 |
五、不同写法的结果对比
写法1：普通 GROUP BY（无 ROLLUP）
sql
SELECT e.deptno, d.dname, SUM(e.sal) AS 工资总和FROM emp e, dept dWHERE e.deptno = d.deptnoGROUP BY e.deptno, d.dname;
结果：
| deptno | dname | 工资总和 |
|---|---|---|
| 10 | 财务部 | 11000 |
| 20 | 技术部 | 15000 |
| 30 | 销售部 | 9000 |
只有 3 行（每个部门一行）。
写法2：使用 ROLLUP
sql
SELECT e.deptno, d.dname, SUM(e.sal) AS 工资总和FROM emp e, dept dWHERE e.deptno = d.deptnoGROUP BY ROLLUP(e.deptno, d.dname);
结果：
deptno | dname | 工资总和 | 说明 |
10 | 财务部 | 11000 | 部门10的工资总和 |
20 | 技术部 | 15000 | 部门20的工资总和 |
30 | 销售部 | 9000 | 部门30的工资总和 |
10 | (null) | 11000 | 部门10的小计（重复？等等，让我重新计算） |
实际上，ROLLUP(e.deptno, d.dname) 会按以下顺序分组：
六、ROLLUP(e.deptno, d.dname) 产生的分组
text
┌─────────────────────────────────────────────────────────────┐ │ 第1级分组：按 (deptno, dname) 分组 │ │ 结果：每个部门一行 │ ├─────────────────────────────────────────────────────────────┤ │ 第2级分组：按 (deptno) 分组 │ │ 结果：每个部门一行（dname 为 NULL） │ │ 注意：这里与第1级结果重复？不对，让我仔细分析 │ └─────────────────────────────────────────────────────────────┘
实际上，ROLLUP 会生成 N+1 种分组组合（N = 列数）。
对于 ROLLUP(A, B)：
| 分组级别 | 分组列 | 说明 |
|---|---|---|
| 1 | (A, B) | 正常分组 |
| 2 | (A) | 按 A 分组的小计 |
| 3 | () | 总计 |
七、实际执行结果
deptno | dname | 工资总和 | 分组级别 |
10 | 财务部 | 11000 | (10, 财务部) |
20 | 技术部 | 15000 | (20, 技术部) |
30 | 销售部 | 9000 | (30, 销售部) |
10 | (null) | 11000 | (10) 部门10小计 |
20 | (null) | 15000 | (20) 部门20小计 |
30 | (null) | 9000 | (30) 部门30小计 |
(null) | (null) | 35000 | () 总计 |
问题：这里部门小计和部门明细是重复的？不，它们的语义不同：
第1-3行：
(10,财务部)是该部门下按dname分组（实际上 dname 是唯一的，所以相同）第4-6行：
(10,null)是只按deptno分组的小计（当有多个部门名时才有意义）
八、更清晰的示例
为了看清 ROLLUP 的效果，假设 dname 有不同的值：
如果 ROLLUP(e.deptno, e.job)（按部门和职位统计）：
deptno | job | SUM(sal) | 说明 |
10 | 经理 | 5000 | 部门10经理 |
10 | 职员 | 6000 | 部门10职员 |
20 | 经理 | 7000 | 部门20经理 |
20 | 职员 | 8000 | 部门20职员 |
10 | (null) | 11000 | 部门10小计 |
20 | (null) | 15000 | 部门20小计 |
(null) | (null) | 26000 | 总计 |
这样就能清楚看到 ROLLUP 的作用：逐级向上汇总！
九、ROLLUP 的可视化理解
text
原始数据（员工工资） ↓ 按 (deptno, dname) 分组 → 每个部门一行 ↓ ROLLUP 向上滚动 ↓ 按 (deptno) 分组 → 每个部门的小计（如果 dname 有多个，这里会有意义） ↓ ROLLUP 继续向上滚动 ↓ 按 () 分组 → 总计
十、ROLLUP vs CUBE vs GROUPING SETS
| 语法 | 作用 | 分组组合数 |
|---|---|---|
ROLLUP(A, B) | 逐级向上汇总 | N+1 = 3 |
CUBE(A, B) | 所有组合 | 2^N = 4 |
GROUPING SETS((A), (B)) | 指定组合 | 自定义 |
十一、总结
| 问题 | 答案 |
|---|---|
ROLLUP 是什么？ | 分组扩展，生成逐级小计和总计 |
ROLLUP(e.deptno, d.dname) 产生哪些分组？ | 1. (deptno, dname)2. (deptno)3. () |
| 结果行数 | 正常分组数 + 小计行数 + 1（总计） |
| 词源 | roll（滚动）+ up（向上）= 向上汇总 |
| 与普通 GROUP BY 的区别 | 普通 GROUP BY 只有明细，ROLLUP 增加小计和总计 |
一句话总结：ROLLUP 就像逐级向上汇总——先从最细粒度（部门+部门名）统计，然后"向上滚动"到部门级别统计小计，最后滚动到最顶层统计总计。ROLLUP(e.deptno, d.dname) 会生成 3 种分组：(deptno, dname) 的明细、(deptno) 的部门小计、() 的总计，最终结果行数 = 正常分组数 + 分组层级数