开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

在join | Sales value - category中显示空值

|是指在进行join操作时，如果某个表中的category字段的值为空，那么在结果中会显示空值。

具体解释如下：

join操作是指将两个或多个表中的数据按照某个共同的字段进行关联，生成一个新的结果集。在这个操作中，通常会使用到一个共同的字段来进行匹配，比如在这个问题中的category字段。
Sales value - category表示一个表，其中包含了销售额和类别两个字段。
当进行join操作时，如果某个表中的category字段的值为空，那么在结果中会显示空值。这是因为在进行关联时，空值无法与其他表中的字段进行匹配，所以在结果中会显示为空。

空值的显示对于数据分析和处理非常重要，因为它可以帮助我们识别数据中的缺失或异常情况。在实际应用中，我们可以根据具体的业务需求来处理这些空值，比如可以进行数据清洗、填充默认值或者进行特殊处理等。

腾讯云提供了一系列与云计算相关的产品，可以帮助用户进行数据处理和分析。其中，推荐的产品是腾讯云的云数据库 TencentDB，它是一种高性能、可扩展的云数据库解决方案，支持多种数据库引擎，包括MySQL、SQL Server、PostgreSQL等。您可以通过以下链接了解更多关于腾讯云云数据库的信息：https://cloud.tencent.com/product/tencentdb

请注意，以上答案仅供参考，具体的解决方案和推荐产品应根据实际情况和需求进行选择。

相关搜索:group by category在SQL中按月显示差异 IIF(Field.Value)在列表中，然后在SSRS 2016中显示此值 LEFT JOIN和WHERE结果中包含空值 Select sum在left join SQL语句中显示NULL值 SQL Server中具有忽略空值的Last_value 使用value="x“后，MatInput值显示空的输入字段呈现/显示java bean中的空值在category.php中显示posts循环中的ACF字段在jooq中设置空值在ksqlDB中创建的流显示为空值

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

好的数据库面试题集合

http://blog.csdn.net/sandyzhs/article/details/4059709

01

第18章_MySQL8其它新特性

MySQL从5.7版本直接跳跃发布了8.0版本，可见这是一个令人兴奋的里程碑版本。MySQL 8 版本在功能上做了显著的改进与增强，开发者对 MySQL 的源代码进行了重构，最突出的一点是多 MySQL Optimizer 优化器进行了改进。不仅在速度上得到了改善，还为用户带来了更好的性能和更棒的体验。

03

HAWQ取代传统数仓实践（十八）——层次维度

一、层次维度简介大多数维度都具有一个或多个层次。例如，示例数据仓库中的日期维度就有一个四级层次：年、季度、月和日。这些级别用date_dim表里的列表示。日期维度是一个单路径层次，因

06

技术分享 | 又是一条慢 SQL 改写，拿捏！

开发同学丢了一条 SQL 过来。“马哥，看看这条 SQL 能否优化，业务那边反馈很慢！”看了下执行计划+表结构，索引都没问题。那到底是怎么回事呢？咱们一起来瞧瞧。

01

HAWQ取代传统数仓实践（九）——维度表技术之退化维度

根据文章内容总结摘要。

05

HAWQ取代传统数仓实践（六）——增加列

本文介绍了在技术社区中，如何从技术角度、业务角度、架构角度、运维角度等多个维度出发，进行社区技术内容的分类、规划、建设、管理、优化，并阐述了在此过程中的技术选型和社区机制建设。同时，本文还分享了基于机器学习和数据挖掘的技术内容管理方法，以及面向知识图谱、智能问答、科技情报等场景的技术实践。

08

基于hadoop生态圈的数据仓库实践 —— OLAP与数据可视化（三）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/wzy0623/article/details/52314152

02

最大化 Spark 性能：最小化 Shuffle 开销

Apache Spark 通过将数据分布在多个节点并在每个节点上单独计算值来处理查询。然而有时节点需要交换数据。毕竟这就是 Spark 的目的——处理单台机器无法容纳的数据。

02

基于Hadoop生态圈的数据仓库实践 —— 进阶技术（十）

十、杂项维度本节讨论杂项维度。简单地说，杂项维度就是一种包含的数据具有很少可能值的维度。例如销售订单，它可能有很多离散数据（yes-no这种类型的值），如

03

基于Hadoop生态圈的数据仓库实践 —— 进阶技术（十三）

十三、无事实的事实表本节讨论一种技术，用来处理源数据中没有度量的需求。例如，产品源数据不包含产品数量信息，如果系统需要得到产品的数量，很显然不能简单地从数据仓库中直接得到。这时就要用到无事实的事实表技术。使用此技术可以通过持续跟踪产品的发布来计算产品的数量。可以创建一个只有产品（计什么数）和日期（什么时候计数）维度代理键的事实表。之所以叫做无事实的事实表是因为表本身并没有度量。 1. 产品发布的无事实事实表本小节说明如何实现一个产品发布的无事实事实表，包括新增和初始装载product_count_fact表。下图显示了跟踪产品发布数量的数据仓库模式（只显示与product_count_fact表有关的表）。

02

基于Hadoop生态圈的数据仓库实践 —— ETL（二）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/wzy0623/article/details/51837457

02

如何创建、更新和删除SQL 视图

视图包含行和列，就像一个真实的表。视图中的字段就是来自一个或多个数据库中的真实的表中的字段。

00

Oracle视图概念与语法

一.视图的概念和作用 1.视图的概述视图其实就是一条查询sql语句，用于显示一个或多个表或其他视图中的相关数据。视图将一个查询的结果作为一个表来使用，因此视图可以被看作是存储的查询或一个虚拟表。视图来源于表，所有对视图数据的修改最终都会被反映到视图的基表中，这些修改必须服从基表的完整性约束，并同样会触发定义在基表上的触发器。(Oracle支持在视图上显式的定义触发器和定义一些逻辑约束) 2.视图的存储与表不同，视图不会要求分配存储空间，视图中也不会包含实际的数据。视图只是定义了一个查询，视图中的数据是从基表中获取，这些数据在视图被引用时动态的生成。由于视图基于数据库中的其他对象，因此一个视图只需要占用数据字典中保存其定义的空间，而无需额外的存储空间。 3.视图的作用用户可以通过视图以不同形式来显示基表中的数据，视图的强大之处在于它能够根据不同用户的需要来对基表中的数据进行整理。视图常见的用途如下：

04

基于Hadoop生态圈的数据仓库实践 —— 进阶技术（四）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/wzy0623/article/details/51943736

02

DAX中的基础表函数

👆点击“博文视点Broadview”，获取更多书讯本文将介绍DAX中的基础表函数。表函数是DAX中的一种常规函数，它返回的结果不是一个标量值，而是一个表。当需要编写DAX查询和迭代表的高级计算时，表函数非常有用。本文会介绍相关的计算示例。本文的目标是介绍表函数的概念，而并非提供所有DAX表函数的详细说明。《DAX权威指南》一书的第12章和第13章中介绍了更多的表函数。本文将解释DAX中最常见和重要的表函数的作用，以及如何在常见的场景中，包括标量表达式中使用它们。 01 表函数介绍到目前为止，你

01

Kettle构建Hadoop ETL实践（八-1）：维度表技术

前面文章中，我们用Kettle工具实现了Hadoop多维数据仓库的基本功能，如使用Sqoop作业项、SQL脚本、Hadoop file output、ORC output等步骤实现ETL过程，使用Oozie、Start作业项定期执行ETL任务等。本篇将继续讨论常见的维度表技术，以最简单的“增加列”开始，继而讨论维度子集、角色扮演维度、层次维度、退化维度、杂项维度、维度合并、分段维度等基本的维度表技术。这些技术都是在实际应用中经常使用的。在说明这些技术的相关概念和使用场景后，我们以销售订单数据仓库为例，给出Kettle实现和测试过程。

03

基于Hadoop生态圈的数据仓库实践 —— 进阶技术（九）

九、退化维度本节讨论一种称为退化维度的技术。该技术减少维度的数量，简化维度数据仓库模式。简单的模式比复杂的更容易理解，也有更好的查询性能。当一个维度没有数据仓库需要的任何数据时就可以退化此维度，此时需要把退化维度的相关数据迁移到事实表中，然后删除退化的维度。 1. 退化订单维度本小节说明如何退化订单维度，包括对数据仓库模式和定期装载脚本的修改。使用维度退化技术时你首先要识别数据，分析从来不用的数据列。例如，订单维度的order_number列就可能是这样的一列。但如果用户想看事务的细节，还需要订单号。因此，在退化订单维度前，要把订单号迁移到sales_order_fact表。下图显示了迁移后的模式。

02

HAWQ取代传统数仓实践（十四）——事实表技术之累积快照

本文总结了使用ETL处理大数据技术进行数据仓库建设的过程，包括数据提取、转换和加载（ETL）过程的构建和部署。主要介绍了ETL处理大数据的几种方法和技术，重点讲解了Apache NiFi和Talend这两个流行的开源ETL工具在大数据环境中的使用。

06

基于Hadoop生态圈的数据仓库实践 —— 进阶技术（十四）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/wzy0623/article/details/52154160

01

基于Hadoop生态圈的数据仓库实践 —— 进阶技术

五、快照前面实验说明了处理维度的扩展。本节讨论两种事实表的扩展技术。有些用户，尤其是管理者，经常要看某个特定时间点的数据。也就是说，他们需要数据的快照。周期快照和累积快照是两种常用的事实表扩展技术。周期快照是在一个给定的时间对事实表进行一段时期的总计。例如，一个月销售订单周期快照汇总每个月底时总的销售订单金额。累积快照用于跟踪事实表的变化。例如，数据仓库可能需要累积（存储）销售订单从下订单的时间开始，到订单中的商品被打包、运输和到达的各阶段的时间点数据来跟踪订单生命周期的进展情况。用户可能要取得在某个给定时间点，销售订单处理状态的累积快照。下面说明周期快照和累积快照的细节问题。 1. 周期快照下面以销售订单的月底汇总为例说明如何实现一个周期快照。首先需要添加一个新的事实表。下图中的模式显示了一个名为month_end_sales_order_fact的新事实表。

02

基于Hadoop生态圈的数据仓库实践 —— 进阶技术（五）

五、快照前面实验说明了处理维度的扩展。本节讨论两种事实表的扩展技术。有些用户，尤其是管理者，经常要看某个特定时间点的数据。也就是说，他们需要数据的快照。周期快照和累积快照是两种常用的事实表扩展技术。周期快照是在一个给定的时间对事实表进行一段时期的总计。例如，一个月销售订单周期快照汇总每个月底时总的销售订单金额。累积快照用于跟踪事实表的变化。例如，数据仓库可能需要累积（存储）销售订单从下订单的时间开始，到订单中的商品被打包、运输和到达的各阶段的时间点数据来跟踪订单生命周期的进展情况。用户可能要取得在某个给定时间点，销售订单处理状态的累积快照。下面说明周期快照和累积快照的细节问题。 1. 周期快照下面以销售订单的月底汇总为例说明如何实现一个周期快照。首先需要添加一个新的事实表。下图中的模式显示了一个名为month_end_sales_order_fact的新事实表。

02

Greenplum 实时数据仓库实践（7）——维度表技术

前面章节中，我们实现了实时多维数据仓库的基本功能，如使用Canal和Kafka实现实时数据同步，定义Greenplum rule执行实时数据装载逻辑等。本篇将继续讨论常见的维度表技术。

04

基于Hadoop生态圈的数据仓库实践 —— 进阶技术（一）

一、增加列数据仓库最常碰到的扩展是给一个已经存在的维度表和事实表添加列。本节说明如何在客户维度表和销售订单事实表上添加列，并在新列上应用SCD2，以及对定时装载脚本所做的修改。假设需要在客户维度中增加送货地址属性，并在销售订单事实表中增加数量度量值。先看一下增加列时模式发生的变化。修改后源数据库模式如下图所示。

03

HAWQ取代传统数仓实践（十一）——维度表技术之维度合并

有一种合并维度的情况，就是本来属性相同的维度，因为某种原因被设计成重复的维度属性。例如，在销售订单示例中，随着数据仓库中维度的增加，我们会发现有些通用的数据存在于多个维度中。客户维度的

基于hadoop生态圈的数据仓库实践 —— 进阶技术（十五）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/wzy0623/article/details/52165035

01

HAWQ取代传统数仓实践（四）——定期ETL（Sqoop、HAWQ）

本文介绍了如何利用Rust语言和Cargo管理大型游戏服务器的程序架构，实现了游戏服务器的模块化设计，并利用Websocket通信机制实现了跨平台的游戏服务器通信。同时，本文还介绍了一些重要的基础概念和技术，包括Rust语言、Cargo、Websocket、游戏服务器、分布式系统、同步复制、负载均衡、Rust设计模式等。通过本文的学习，读者可以掌握利用Rust和Cargo开发高性能、可扩展、跨平台的游戏服务器的程序架构和技巧。

HAWQ取代传统数仓实践（十）——维度表技术之杂项维度

本文描述了在电商场景中，如何使用阿里云MaxCompute来实现电商订单数据的ETL处理。主要包括了以下步骤：首先在MaxCompute中创建项目，然后使用DataHub模块中的Sqoop组件来实现数据的导入，接着使用DataHub中的Hive表作为外部表，通过Hive SQL进行数据处理。在处理过程中，使用MaxCompute提供的内置函数和UDF进行数据处理，最后将处理后的数据导出到Hdfs。

09

Python进行数据分析Pandas指南

在数据科学和分析领域，Python语言因其强大的数据处理库而备受青睐。其中，Pandas是Python中最常用的数据分析库之一，而Jupyter Notebook则是一个流行的交互式计算环境，可让用户在浏览器中创建和共享文档，其中包含实时代码、可视化和解释性文本。本文将介绍如何结合Pandas和Jupyter Notebook进行数据分析，并提供一些示例来演示它们的强大功能。

基于hadoop生态圈的数据仓库实践 —— OLAP与数据可视化（六）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/wzy0623/article/details/52386016

02

HAWQ取代传统数仓实践（十六）——事实表技术之迟到的事实

一、迟到的事实简介数据仓库通常建立于一种理想的假设情况下，这就是数据仓库的度量（事实记录）与度量的环境（维度记录）同时出现在数据仓库中。当同时拥有事实记录和正确的当前维度行时，就能够

08

sql 复习练习

一、基础 1、说明：创建数据库 CREATE DATABASE database-name 2、说明：删除数据库 drop database dbname 3、说明：备份sql server --- 创建备份数据的 device USE master EXEC sp_addumpdevice 'disk', 'testBack', 'c:\mssql7backup\MyNwind_1.dat' --- 开始备份 BACKUP DATABASE pubs TO testBack 4、说明：创建新表 cre

06

经典的SQL 语句大全

一、基础 1、说明：创建数据库 CREATE DATABASE database-name 2、说明：删除数据库 drop database dbname 3、说明：备份sql server --- 创建备份数据的 device USE master EXEC sp_addumpdevice 'disk', 'testBack', 'c:\mssql7backup\MyNwind_1.dat' --- 开始备份 BACKUP DATABASE pubs TO testBack 4、说明：创建新表 create table tabname(col1 type1 [not null] [primary key],col2 type2 [not null],..) 根据已有的表创建新表： A：create table tab_new like tab_old (使用旧表创建新表) B：create table tab_new as select col1,col2… from tab_old definition only 5、说明：删除新表 drop table tabname 6、说明：增加一个列 Alter table tabname add column col type 注：列增加后将不能删除。DB2中列加上后数据类型也不能改变，唯一能改变的是增加varchar类型的长度。 7、说明：添加主键： Alter table tabname add primary key(col) 说明：删除主键： Alter table tabname drop primary key(col) 8、说明：创建索引：create [unique] index idxname on tabname(col….) 删除索引：drop index idxname 注：索引是不可更改的，想更改必须删除重新建。 9、说明：创建视图：create view viewname as select statement 删除视图：drop view viewname 10、说明：几个简单的基本的sql语句选择：select * from table1 where 范围插入：insert into table1(field1,field2) values(value1,value2) 删除：delete from table1 where 范围更新：update table1 set field1=value1 where 范围查找：select * from table1 where field1 like ’%value1%’ ---like的语法很精妙，查资料! 排序：select * from table1 order by field1,field2 [desc] 总数：select count as totalcount from table1 求和：select sum(field1) as sumvalue from table1 平均：select avg(field1) as avgvalue from table1 最大：select max(field1) as maxvalue from table1 最小：select min(field1) as minvalue from table1 11、说明：几个高级查询运算词 A： UNION 运算符 UNION 运算符通过组合其他两个结果表（例如 TABLE1 和 TABLE2）并消去表中任何重复行而派生出一个结果表。当 ALL 随 UNION 一起使用时（即 UNION ALL），不消除重复行。两种情况下，派生表的每一行不是来自 TABLE1 就是来自 TABLE2。 B： EXCEPT 运算符 EXCEPT 运算符通过包括所有在 TABLE1 中但不在 TABLE2 中的行并消除所有重复行而派生出一个结果表。当 ALL 随 EXCEPT 一起使用时 (EXCEPT ALL)，不消除重复行。 C： INTERSECT 运算符 INTERSECT 运算符通过只包括 TABLE1 和 TABLE2 中都有的行并消除所有重复行而派生出一个结果表。当 ALL 随 INTERSECT 一起使用时 (INTERSECT ALL)，不消除重复行。注：使用运算词的几个查询结果行必须是一致的。 12、说明：使用外连接 A、left （outer） join：左外连接（左连接）：结果集几包括连接表的匹配行，也包括左连接表的所有行。 SQL: select a.a, a.b, a.c, b.c, b.d, b.f from a LEFT OUT JOIN b ON a.a = b.

01

经典sql server基础语句大全

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/130929.html原文链接：https://javaforall.cn

02

【数据库设计和SQL基础语法】--查询数据--聚合函数

聚合函数是一类在数据库中用于对多个行进行计算并返回单个结果的函数。它们能够对数据进行汇总、统计和计算，常用于提取有关数据集的摘要信息。聚合函数在 SQL 查询中广泛应用，包括统计总数、平均值、最大值、最小值等。

01

【数据库设计和SQL基础语法】--查询数据--聚合函数

聚合函数是一类在数据库中用于对多个行进行计算并返回单个结果的函数。它们能够对数据进行汇总、统计和计算，常用于提取有关数据集的摘要信息。聚合函数在 SQL 查询中广泛应用，包括统计总数、平均值、最大值、最小值等。

01

存储过程中指定参数

一个过程最多可以有 2100 个参数，每个参数都有名称、数据类型和方向。还可以为参数指定默认值（可选）。

02

《Oracle Concept》第二章 - 22 (12c内容补充)

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/bisal/article/details/89666608

03

2021年数据科学家面试：4个基本SQL窗口函数介绍以及示例

墨墨导读：在数据科学家岗位的面试中，窗口函数（WINDOW function）是SQL函数家族中经常会被问到的主题。在本文中，我会根据面试的问题，问题模式和解决问题的基本策略向你展示一些典型的窗口函数，并提供一些示例的分步解决方案。

02

基于Hadoop生态圈的数据仓库实践 —— 进阶技术（八）

八、多路径和参差不齐的层次本节讨论多路径层次，它是对单路径层次的扩展。上一节里数据仓库的月维度只有一条层次路径，即年-季度-月这条路径。在本节中加一个新的级别——促销期，并且加一个新的年-促销期-月的层次路径。这时月维度将有两条层次路径，因此具有多路径层次。本节讨论的另一个主题是不完全层次，这种层次在它的一个或多个级别上没有数据。 1. 增加一个层次下面的脚本给month_dim表添加一个叫做campaign_session的新列，并建立rds.campaign_session过渡表。

03

HAWQ取代传统数仓实践（十五）——事实表技术之无事实的事实表

本文介绍了数据仓库及其在技术社区中的应用，并重点讲解了数据仓库中的事实表和维度表的设计。在数据仓库中，通过将事实表与维度表关联，可以灵活地根据维度表中的属性进行查询。同时，通过在事实表和维度表之间建立关联，可以实现灵活的维度与度量之间的转换。最后，本文讲解了如何设计数据仓库以满足技术社区的需求，并提供了相应的示例。

07

【转】多维数据查询OLAP及MDX语言笔记整理

为了满足业务管理和决策的报表系统（包括传统报表、数据仓库、OLAP等）也被创建出来，企业主管通过报表了解企业的总体运行状态。但是，随着企业间竞争的加剧和市场节奏的进一步加快，企业的日常管理需要对关键业务指标的更加实时的监控和反馈。比如：制造业需要更及时的仓库调度、金融业需要更实时的风险防范、电信业需要更及时的服务指标监控。于是，越来越多的企业提出实时企业的要求，传统的ERP等信息系统和报表系统无法满足这些需求。实时业务监控解决方案旨在更好支撑客户此类需求。 http://www.tuicool.com/articl... 当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。

00

【转】多维数据查询OLAP及MDX语言笔记整理

为了满足业务管理和决策的报表系统（包括传统报表、数据仓库、OLAP等）也被创建出来，企业主管通过报表了解企业的总体运行状态。但是，随着企业间竞争的加剧和市场节奏的进一步加快，企业的日常管理需要对关键业务指标的更加实时的监控和反馈。比如：制造业需要更及时的仓库调度、金融业需要更实时的风险防范、电信业需要更及时的服务指标监控。于是，越来越多的企业提出实时企业的要求，传统的ERP等信息系统和报表系统无法满足这些需求。实时业务监控解决方案旨在更好支撑客户此类需求。 http://www.tuicool.com/articl... 当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。

04

S/4 HANA CDS视图聚合函数

在上面的示例中，ABAP CDS视图使用聚合函数SUM和GROUP BY product和category来取出产品的总库存。

01

17期-什么是MySQL数据库？看这一篇干货文章就够了！

为啥学习MySQL呢？因为MySQL是最流行的关系型数据库管理系统之一，在web应用方面，MySQL是最好的软件。MySQL所使用的sql语言是用于访问数据库的最常用标准化语言。

01

什么是MySQL数据库？看这一篇干货文章就够了！

为啥学习MySQL呢？因为MySQL是最流行的关系型数据库管理系统之一，在web应用方面，MySQL是最好的软件。MySQL所使用的sql语言是用于访问数据库的最常用标准化语言。

03

SQL Server merge用法

有两个表名：source 表和 target 表，并且要根据 source 表中匹配的值更新 target 表。

04

Kettle构建Hadoop ETL实践（七）：定期自动执行ETL作业

一旦数据仓库开始使用，就需要不断从源系统给数据仓库提供新数据。为了确保数据流的稳定，需要使用所在平台上可用的任务调度器来调度ETL定期执行。调度模块是ETL系统必不可少的组成部分，它不但是数据仓库的基本需求，也对项目的成功起着举足轻重的作用。

05

OushuDB入门（五）——ETL篇

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/wzy0623/article/details/80281643

02

25个例子学会Pandas Groupby 操作

groupby是Pandas在数据分析中最常用的函数之一。它用于根据给定列中的不同值对数据点(即行)进行分组，分组后的数据可以计算生成组的聚合值。

02

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭