CUBE是GROUP BY的扩展子句，用于生成指定列所有可能组合（含空集）的聚合结果；它不是函数，必须写为GROUP BY CUBE(col1,col2,...)，输出中NULL表示维度折叠而非数据缺失。
什么是CUBE，它和GROUP BY的关系是什么
CUBE 不是函数，而是 GROUP BY 的扩展子句，用于生成指定列的所有可能组合的聚合结果。它不是标准函数调用（比如 SUM()），不能写成 CUBE(col1, col2) 独立使用，必须紧跟在 GROUP BY 后面，语法是：GROUP BY CUBE(col1, col2, ...)。
常见错误是把它当成函数误写：SELECT SUM(sales), CUBE(region, product) FROM orders; → 报错，语法非法
正确写法是：SELECT region, product, SUM(sales) FROM orders GROUP BY CUBE(region, product);
注意：不同数据库对 CUBE 的支持程度不同。PostgreSQL 从 14 开始原生支持；SQL Server 和 Oracle 支持多年；MySQL 完全不支持 CUBE（截至 8.4），强行用会报错 Unknown syntax near CUBE。
怎么写出能跑通的CUBE查询（含NULL语义说明）
CUBE 输出结果中会出现 NULL 值，但它不代表“数据缺失”，而是代表“该维度被折叠（all values）”。例如 GROUP BY CUBE(a, b) 实际等价于以下 UNION ALL 的组合：
-
GROUP BY a, b（明细） -
GROUP BY a（b 维度汇总） -
GROUP BY b（a 维度汇总） -
GROUP BY ()（全表总计）
所以结果里会出现：
region = 'North', product = 'Laptop'-
region = 'North', product = NULL→ 表示 North 所有产品总和 -
region = NULL, product = 'Laptop'→ 表示所有地区中 Laptop 总和 -
region = NULL, product = NULL→ 全表总销售额
实际写时建议显式命名聚合列，并用 COALESCE 或 CASE 标注层级，避免混淆：
SELECT COALESCE(region, 'ALL_REGIONS') AS region, COALESCE(product, 'ALL_PRODUCTS') AS product, SUM(sales) AS total_sales FROM orders GROUP BY CUBE(region, product);
替代方案：MySQL用户怎么实现类似CUBE效果
如果用的是 MySQL（或旧版 PostgreSQL），无法直接用 CUBE，但可以用 UNION ALL 拼接多个 GROUP BY 查询模拟：
- 明细层：
GROUP BY region, product - 地区汇总层：
GROUP BY region，product设为常量（如'TOTAL'） - 产品汇总层：
GROUP BY product，region设为常量 - 全局汇总：
SELECT 'TOTAL' AS region, 'TOTAL' AS product, SUM(sales) FROM orders
缺点明显：
- SQL 冗长，列对齐容易出错（尤其涉及多列时组合爆炸）
- 每个子查询都扫描全表，性能比原生
CUBE差很多 - 无法自动识别层级关系，
NULL语义需手动维护
有些用户尝试用窗口函数 + DISTINCT 模拟，但无法覆盖空组合（即全 NULL 行），本质上不可靠。
CUBE的性能和可读性陷阱
CUBE(a,b,c) 会生成 2³ = 8 组结果；CUBE(a,b,c,d,e) 就是 32 组 —— 组合数呈指数增长。别一上来就对 5 列用 CUBE，尤其是当某列高基数（如 order_id）混入时，可能产出上百万行，内存爆掉或查询卡死。
另一个易忽略点：排序不可控。原生 CUBE 不保证输出顺序，ORDER BY 必须显式写，且要兼容 NULL 排序逻辑（例如 ORDER BY region NULLS FIRST, product NULLS LAST）。
另外，某些 BI 工具（如早期 Tableau 版本）解析 CUBE 结果时，会把 NULL 当作真实缺失值过滤掉，导致汇总行消失 —— 这时候得提前用 COALESCE 替换，而不是依赖前端处理。
真正要用好 CUBE，核心不是“怎么写出来”，而是想清楚哪些维度确实需要全交叉、哪些只是临时探索、哪些其实用 ROLLUP 更合适。多一列，不只是多一行结果，是多一个指数级的计算负担。
