SQL Server GROUP BY 進階用法全解析：CUBE、ROLLUP、GROUPING SETS、COMPUTE 與 ALL 子句

GROUP BY 不僅是簡單分組彙總，SQL Server 提供 CUBE、ROLLUP、GROUPING SETS、COMPUTE、ALL 等進階子句，支援多維度交叉分析、階層式小計與總計。本文透過實戰範例完整示範各子句行為差異。

測試資料準備

CREATE TABLE SalesInfo
(
    City NVARCHAR(50),
    OrderDate DATETIME,
    OrderID INT
);

INSERT INTO SalesInfo VALUES
(N'北京','2014-06-09',1001), (N'北京','2014-08-09',1002), (N'北京','2013-10-09',1009),
(N'大連','2013-08-09',4001), (N'大連','2013-10-09',4002), (N'大連','2013-05-12',4003),
(N'大連','2014-11-11',4004), (N'大連','2014-12-11',4005);

一、CUBE：全維度交叉彙總

產生所有分組欄位組合的彙總 (含總計)。

單一欄位 CUBE

SELECT City, COUNT(OrderID) AS OrderCount
FROM SalesInfo
GROUP BY City WITH CUBE;

結果：各城市筆數 + 總計列 (City 為 NULL)。

多欄位 CUBE

SELECT City, YEAR(OrderDate) AS OrderYear, COUNT(OrderID) AS OrderCount
FROM SalesInfo
GROUP BY City, YEAR(OrderDate) WITH CUBE;

結果：(City, Year) 明細 + 各城市年度小計 + 各年度城市小計 + 總計。

二、ROLLUP：階層式小計

依 GROUP BY 欄位順序產生階層小計，僅對第一個欄位產生總計。

SELECT City, YEAR(OrderDate) AS OrderYear, COUNT(OrderID) AS OrderCount
FROM SalesInfo
GROUP BY City, YEAR(OrderDate) WITH ROLLUP;

結果：(City, Year) 明細 + 各城市年度小計 + 總計 (無各年度跨城市小計)。

三、ALL：保留篩選條件外的分組

GROUP BY ALL 會顯示所有分組值，即使 WHERE 條件篩選掉該分組的資料列 (彙總值為 0)。

SELECT City, COUNT(OrderID) AS OrderCount
FROM SalesInfo
WHERE City = N'大連'
GROUP BY ALL City;

結果：顯示「北京」(筆數 0) 與「大連」(筆數 5)。

限制： ALL 不可與 CUBE/ROLLUP 同時使用；搭配 HAVING 時 ALL 失效。

四、COMPUTE / COMPUTE BY：傳統報表輸出

注意： 此為舊版功能，現代應用建議改用 GROUPING SETS 或應用層處理。

COMPUTE：單一總計

SELECT City, OrderDate, OrderID
FROM SalesInfo
COMPUTE COUNT(OrderID);

輸出兩個結果集：明細資料 + 總筆數。

COMPUTE BY：分組小計

SELECT City, OrderDate, OrderID
FROM SalesInfo
ORDER BY City
COMPUTE COUNT(OrderID) BY City;

輸出多個結果集：依城市分組的明細 + 各城市小計。

現代替代方案：GROUPING SETS

SQL Server 2008+ 建議使用 GROUPING SETS 彈性定義彙總組合：

SELECT City, YEAR(OrderDate) AS OrderYear, COUNT(OrderID) AS OrderCount
FROM SalesInfo
GROUP BY GROUPING SETS
(
    (City, YEAR(OrderDate)),  -- 明細
    (City),                   -- 城市小計
    (YEAR(OrderDate)),        -- 年度小計
    ()                        -- 總計
);

子句比較總覽

善用進階 GROUP BY 子句，能直接在資料庫層完成複雜的多維度彙總，減少應用層運算與資料傳輸量。