hive-交叉数据-grouping set()函数用法

做流量数据分析的小伙伴经常会遇到流量数据多维度汇总的问题，比如运营希望看到分城市，业务线，用户类型，频道，一级类目和二级类目等维度的交叉数据，因为整体UV并不等于各维度UV的加和，所有整体UV需要单独计算，最后将计算结果和分维度的计算结果union起来，这样代码会特别长，举一个简单例子：
用户日志表为analyst.user_lot,device_id为设备ID，pingdao为各频道名称，计算整体和各频道的PV和UV代码如下：

select 
       date as event_date
       ,'all' as  pingdao
       ,count(distinct device_id)  as uv
       ,count(device_id) as pv
from  analyst.user_log
where date='20200529'
group by date,'all'
union all 
select 
       date  as event_date
       ,pingao
       ,count(distinct device_id)  as uv
       ,count(device_id) as pv
from  analyst.user_log
where date='20200529'
group by date,pingao

运行结果：(这里为了简化，假设只有三个频道搜索，banner和商家推荐)

如果我们要维度特别多的话，我们的代码会特别长（例如有3个维度，每个维度又2个值，我们需要union all六段代码，才能看到所有维度的汇总和明细数据）,hive提供了一个grouping_id set() 函数来解决以上问题，例如以上问题代码可以简化为：

select 
       date as event_date
       ,pingdao
       ,Grouping_ID as  group_id
       ,count(distinct device_id)  as uv
       ,count(device_id) as pv
from  analyst.user_log
where date='20200529'
group by date,pingdao
group by sets(date,(date,pingdao))

运行结果：(这里为了简化，假设只有三个频道：搜索，banner和商家推荐)

按照group by后面的变量排列顺序，grouping sets()的组合中出现的变量赋值0，未出现的变量赋值1，这样会生成一个二进制数字，最后将二进制数字转化成十进制后的数字赋值给group_id变量，例如上面代码运行逻辑：
（date,null）二进制数值：01 → 十进制数字为1
(date,pingdao) 二进制数值：00 →十进制数字为0