GROUP BY CUBE 会生成所有可能的维度组合（即幂集），包括空集（全表聚合），因此汇总结果行数 = 2n（n 为分组字段数）。它比普通 GROUP BY 或 ROLLUP 更全面，但代价是存储和计算开销显著上升。
全维度汇总：到底生成哪些分组？
CUBE 对所有指定列做“是否参与分组”的穷举。例如：
select a, b, c, SUM(sales) FROM t GROUP BY CUBE(a, b, c);
实际等价于同时执行以下 8 种分组（2³=8）：
- GROUP BY a, b, c（最细粒度）
- GROUP BY a, b（c 被忽略）
- GROUP BY a, c（b 被忽略）
- GROUP BY b, c（a 被忽略）
- GROUP BY a（b、c 都被忽略）
- GROUP BY b
- GROUP BY c
- GROUP BY ()（无分组，全表 SUM）
每种组合都独立计算聚合值，结果集中用 NULL 表示该维度未参与分组（如 (1, NULL, 5) 表示按 a=1、c=5 分组，b 被“立方”忽略）。
存储开销：行数爆炸与重复计算
原始数据 N 行，CUBE 输出最多 2n ×（不同组合的实际基数）行。关键影响因素：
- 维度基数高 → 结果膨胀更剧烈：若 a 有 100 值、b 有 50 值、c 有 10 值，理论上最大输出行数 ≈ 100×50×10 × 2³ = 4 百万行（远超原始数据量）
- NULL 值多 → 物理存储冗余增大：每个非参与维度填 NULL，宽表 + 大量 NULL 会增加页内碎片和压缩效率损失
- 无法复用中间结果：多数数据库（如 postgresql、SQL Server）不自动优化 CUBE 的子分组复用，导致多次扫描或哈希构建，内存/临时空间压力大
替代方案：按需取舍，控制开销
并非所有场景都需要完整 CUBE。可考虑更轻量的组合：
- 用 GROUP BY ROLLUP(a,b,c) 只生成层级前缀组合（a,b,c；a,b；a；()），共 n+1 种，开销低得多
- 显式写出关键分组 union ALL（如只想要 (a,b)、(a)、() 三种），避免无关组合计算
- 预计算高频组合到物化视图/汇总表中，查询时直接命中，绕过实时 CUBE 开销
- 在应用层分步聚合：先算明细，再用程序合并维度，适合维度少、逻辑灵活的场景
小结：CUBE 是能力与代价的平衡
它提供最完整的多维透视能力，适合探索性分析或固定报表模板。但上线前务必评估维度数量（建议 ≤ 4）、各列基数及目标数据量级。超过阈值时，应优先裁剪维度或改用增量/分治策略。不复杂但容易忽略。