在上篇文章基础上，我们进一步解决层级数据递归汇总问题 —— 让上级部门的统计结果自动包含所有下级部门数据（含多级子部门），并新增请假天数大于 3 天的统计维度。通过递归 CTE、DECODE函数与分组函数的深度结合，实现真正意义上的树形结构数据聚合。
一、业务需求升级：层级汇总与新增统计维度
核心目标
- 递归汇总：上级部门数据包含所有直属 / 非直属下级部门数据（如集团总部需汇总技术研发部、产品运营部及其子部门数据）
- 新增统计项：统计每个部门（含各级上级）的 "请假天数 > 3 天" 的记录数
- 兼容原有指标：保留请假类型天数统计、状态分类统计
数据模型扩展（无需修改表结构，新增计算逻辑）
-- 新增判断逻辑：请假天数>3天标记
DECODE(SIGN(leave_days - 3), 1, 1, 0) AS over_3_days_flag
-- SIGN函数说明：返回1（正数）、0（零）、-1（负数），简化条件判断二、关键技术升级：双向递归 CTE 构建层级关系
1. 递归 CTE 重构：获取每个部门的所有后代部门
WITH dept_ancestor AS (
-- 初始层：每个部门自身作为祖先
SELECT
dept_id,
dept_name,
parent_dept_id,
dept_id AS ancestor_id -- 核心字段：标记当前部门的顶层祖先
FROM t_dept
UNION ALL
-- 递归层：向下遍历子部门，继承祖先ID
SELECT
d.dept_id,
d.dept_name,
d.parent_dept_id,
da.ancestor_id -- 子部门继承父部门的祖先ID
FROM t_dept d
JOIN dept_ancestor da ON d.parent_dept_id = da.dept_id
)- 核心逻辑：为每个部门生成从自身到所有后代的层级路径，ancestor_id表示当前统计的顶层部门（如子部门 4 的 ancestor_id 可为自身 4、父部门 2、根部门 1）
- 递归方向：从父部门到子部门的向下递归，确保每个子部门关联到所有上级祖先
2. 关联请假表与递归 CTE
SELECT
da.ancestor_id, -- 统计的目标部门（上级部门）
da_dept.dept_name, -- 目标部门名称
tl.dept_id AS child_dept_id -- 实际产生数据的子部门ID（用于验证层级）
FROM dept_ancestor da
LEFT JOIN t_dept da_dept ON da.ancestor_id = da_dept.dept_id -- 关联祖先部门信息
LEFT JOIN t_leave tl ON da.dept_id = tl.dept_id -- 关联子部门请假数据
-- 示例输出：祖先部门1（集团总部）会关联到子部门2、3、4、5的所有请假记录三、DECODE 函数进阶：多维度条件聚合
1. 新增 "请假 > 3 天" 统计
SUM(DECODE(SIGN(tl.leave_days - 3), 1, 1, 0)) AS over_3_days_count
-- 等价于：SUM(CASE WHEN tl.leave_days > 3 THEN 1 ELSE 0 END)
-- DECODE优势：通过数值比较简化条件表达式，执行效率更高2. 全维度统计表达式（整合新旧需求）
SELECT
da_dept.dept_name AS 部门名称,
-- 请假类型统计（含下级部门）
SUM(DECODE(tl.leave_type, '年假', tl.leave_days, 0)) AS 年假总天数,
SUM(DECODE(tl.leave_type, '事假', tl.leave_days, 0)) AS 事假总天数,
SUM(DECODE(tl.leave_type, '病假', tl.leave_days, 0)) AS 病假总天数,
-- 状态统计
SUM(DECODE(tl.leave_status, '完成', 1, 0)) AS 完成请假数,
SUM(DECODE(tl.leave_status, '进行中', 1, 0)) AS 进行中请假数,
-- 新增统计：请假>3天
SUM(DECODE(SIGN(tl.leave_days - 3), 1, 1, 0)) AS 超3天请假数四、终极 SQL：递归汇总全层级数据
完整实现代码如下：
相信我，如果你能学会下面这个SQL的写法或者能看懂，那么你对ORACLE类似逻辑的处理已经达到极高的水平，这个SQL我认为有95%的人会看不懂。如果你们都会了欢迎留言打脸。因为这个SQL的实现我在7年前专门拿出来给全公司技术人员进行过培训，留了一个类似的作业，结果1个完成的都没有。你也可以考虑下，如果不用SQL来实现，而是让你去通过代码去实现这个需求的统计，你需要写多少代码来实现，需要多少时间？
WITH dept_ancestor AS (
-- 构建部门层级关系，获取每个部门的所有祖先路径
SELECT
dept_id,
dept_name,
parent_dept_id,
dept_id AS ancestor_id -- 初始祖先为自身
FROM t_dept
UNION ALL
-- 递归向下遍历子部门，继承祖先ID
SELECT
d.dept_id,
d.dept_name,
d.parent_dept_id,
da.ancestor_id -- 子部门的祖先与父部门一致
FROM t_dept d
JOIN dept_ancestor da ON d.parent_dept_id = da.dept_id
),
-- 提取祖先部门的基础信息（避免重复计算）
ancestor_info AS (
SELECT DISTINCT ancestor_id, dept_name
FROM dept_ancestor
)
SELECT
ai.dept_name AS 部门名称,
-- 请假类型汇总（含所有子部门）
SUM(DECODE(tl.leave_type, '年假', tl.leave_days, 0)) AS 年假总天数,
SUM(DECODE(tl.leave_type, '事假', tl.leave_days, 0)) AS 事假总天数,
SUM(DECODE(tl.leave_type, '病假', tl.leave_days, 0)) AS 病假总天数,
-- 状态汇总
SUM(DECODE(tl.leave_status, '完成', 1, 0)) AS 完成请假数,
SUM(DECODE(tl.leave_status, '进行中', 1, 0)) AS 进行中请假数,
-- 新增统计项
SUM(DECODE(SIGN(tl.leave_days - 3), 1, 1, 0)) AS 超3天请假数
FROM ancestor_info ai
LEFT JOIN dept_ancestor da ON ai.ancestor_id = da.ancestor_id
LEFT JOIN t_leave tl ON da.dept_id = tl.dept_id -- 关联子部门请假数据
GROUP BY ai.ancestor_id, ai.dept_name
ORDER BY ai.ancestor_id;执行结果解析（新增示例数据后）
部门名称 |
年假总天数 |
事假总天数 |
病假总天数 |
完成请假数 |
进行中请假数 |
超 3 天请假数 |
集团总部 |
8.5 |
2.0 |
3.0 |
2 |
3 |
2 |
技术研发部 |
4.5 |
2.0 |
0.0 |
1 |
2 |
2 |
产品运营部 |
1.5 |
0.0 |
3.0 |
1 |
1 |
0 |
后端开发组 |
3.5 |
0.0 |
0.0 |
1 |
1 |
1 |
前端开发组 |
0.0 |
2.0 |
0.0 |
0 |
1 |
1 |
核心逻辑拆解
1、递归 CTE 双向关联：
向上：每个部门作为祖先，向下遍历所有子部门（ancestor_id固定为顶层部门）
向下：通过da.dept_id = tl.dept_id关联子部门的实际数据，确保上级部门能获取所有下级数据
2、DECODE 的多维应用：
类型统计：按leave_type分类累加天数
状态统计：按leave_status分类计数
数值判断：通过SIGN函数简化 "大于 3 天" 的条件转换
3、分组策略：
按ancestor_id分组，确保每个上级部门汇总其所有后代（包括多级子部门）的数据
LEFT JOIN确保无数据部门（如根部门若自身无数据）仍能显示统计结果
五、与上篇文章的核心区别
特性 |
上篇文章（单部门统计） |
本文（递归层级统计） |
统计范围 |
仅当前部门或指定子部门 |
包含所有下级部门（多级递归） |
递归方向 |
单向向下（固定根部门） |
双向关联（每个部门可作为祖先） |
核心字段 |
dept_id直接分组 |
ancestor_id递归分组 |
新增功能 |
无 |
请假天数 > 3 天统计、层级汇总 |
六、性能优化与注意事项
1. 索引优化建议
-- 为部门层级关系创建索引
CREATE INDEX idx_dept_parent ON t_dept(parent_dept_id);
-- 为请假表关联字段创建索引
CREATE INDEX idx_leave_dept ON t_leave(dept_id);2. 大数据量处理
- 若部门层级超过 1000 层，需调整 Oracle 递归限制：
ALTER SESSION SET MAX_RECURSION_DEPTH = 2000; -- 默认1000层3. DECODE vs CASE WHEN 扩展
- 复杂范围判断（如BETWEEN）建议用CASE WHEN，等值判断优先用DECODE
- 多层嵌套时注意DECODE的参数顺序（严格按匹配顺序执行）
七、总结：树形数据统计的终极解决方案
通过递归 CTE 构建层级关系+DECODE 实现条件聚合+分组函数完成数据汇总，我们实现了：
1、真正的层级递归统计：上级部门自动包含所有下级数据，支持任意深度的组织架构
2、多维度复杂计算：在单个 SQL 中完成类型统计、状态分类、数值判断等多重逻辑
3、代码极简主义：相比传统 Java 递归 + 多层循环，SQL 代码量减少 90% 以上，且执行效率更高
这种方案特别适合组织架构复杂、层级统计频繁的企业级应用（如人力资源管理、财务成本分摊等场景）。掌握递归与DECODE的组合使用，能让你在处理树形数据时如虎添翼，真正发挥 Oracle 数据库的原生优势。如果你能学会这种SQL逻辑，相信我，肯定会对你在实际工作中有巨大帮助。欢迎关注留言，期待与您一起进步。