第08章 聚合函数

1. 聚合函数介绍

1.1 AVG和SUM函数

可以对数值型数据使用AVG 和 SUM 函数。

  1. mysql> SELECT AVG(salary), MAX(salary),MIN(salary), SUM(salary)
  2.     -> FROM employees
  3.     -> WHERE job_id LIKE '%REP%';
  4. +-------------+-------------+-------------+-------------+
  5. | AVG(salary) | MAX(salary) | MIN(salary) | SUM(salary) |
  6. +-------------+-------------+-------------+-------------+
  7. | 8272.727273 |    11500.00 |     6000.00 |   273000.00 |
  8. +-------------+-------------+-------------+-------------+

1.2 MIN和MAX函数

可以对任意数据类型的数据使用 MIN 和 MAX 函数。

  1. mysql> SELECT MIN(hire_date), MAX(hire_date)
  2.     -> FROM employees;
  3. +----------------+----------------+
  4. | MIN(hire_date) | MAX(hire_date) |
  5. +----------------+----------------+
  6. | 1987-06-17     | 2000-04-21     |
  7. +----------------+----------------+

1.3 COUNT函数
  • COUNT()返回表中记录总数，适用于*任意数据类型。
  1. mysql> SELECT COUNT(*)
  2.     -> FROM employees
  3.     -> WHERE department_id = 50;
  4. +----------+
  5. | COUNT(*) |
  6. +----------+
  7. |       45 |
  8. +----------+
  • COUNT(expr) 返回expr不为NULL的记录总数。
  1. mysql> SELECT COUNT(commission_pct)
  2.     -> FROM employees
  3.     -> WHERE department_id = 50;
  4. +-----------------------+
  5. | COUNT(commission_pct) |
  6. +-----------------------+
  7. |                     0 |
  8. +-----------------------+
  • 问题：用count(*)，count(1)，count(列名)谁好呢?

其实，对于MyISAM引擎的表是没有区别的。这种引擎内部有一计数器在维护着行数。

Innodb引擎的表用count(*),count(1)直接读行数，复杂度是O(n)，因为innodb真的要去数一遍。但好于具体的count(列名)。

  • 问题：能不能使用count(列名)替换count(*)?

不要使用 count(列名)来替代count(*)，count(*)是 SQL92 定义的标准统计行数的语法，跟数据库无关，跟 NULL 和非 NULL 无关。

说明：count(*)会统计值为 NULL 的行，而 count(列名)不会统计此列为 NULL 值的行。

2. GROUP BY

2.1 基本使用

可以使用GROUP BY子句将表中的数据分成若干组

  1. SELECT column, group_function(column)
  2. FROM table 
  3. [WHERE condition]
  4. [GROUP BY group_by_expression]
  5. [ORDER BY column];

明确：WHERE一定放在FROM后面

在SELECT列表中所有未包含在组函数中的列都应该包含在GROUP BY子句中

  1. SELECT department_id, AVG(salary)
  2. FROM employees
  3. GROUP BY department_id;

包含在 GROUP BY 子句中的列不必包含在SELECT 列表中

  1. SELECT AVG(salary) 
  2. FROM employees
  3. GROUP BY department_id;

2.2 使用多个列分组
  1. SELECT department_id dept_id, job_id, SUM(salary)
  2. FROM employees
  3. GROUP BY department_id, job_id;

2.3 GROUP BY中使用WITH ROLLUP

使用WITH ROLLUP关键字之后，在所有查询出的分组记录之后增加一条记录，该记录计算查询出的所有记录的总和，即统计记录数量。

  1. SELECT department_id,AVG(salary)
  2. FROM employees
  3. WHERE department_id > 80
  4. GROUP BY department_id WITH ROLLUP;

注意：

当使用ROLLUP时，不能同时使用ORDER BY子句进行结果排序，即ROLLUP和ORDER BY是互相排斥的。

3. HAVING

3.1 基本使用
  1. SELECT department_id, MAX(salary)
  2. FROM employees
  3. GROUP BY department_id
  4. HAVING MAX(salary)>10000;
  • 非法使用聚合函数 ： 不能在 WHERE 子句中使用聚合函数。
  1. mysql> SELECT department_id, AVG(salary)
  2.     -> FROM employees
  3.     -> WHERE AVG(salary) > 8000
  4.     -> GROUP BY department_id;
  5. ERROR 1111 (HY000): Invalid use of group function

结论：

当过滤条件中有聚合函数时，则此过滤条件必须声明在HAVING中。

当过滤条件中没有聚合函数时，则此过滤条件声明在WHERE中或HAVING中都可以。但是，建议大家声明在WHERE中。

3.2 WHERE和HAVING的对比
优点 缺点
WHERE 先筛选数据再关联，执行效率高 不能使用分组中的计算函数进行筛选
HAVING 可以使用分组中的计算函数 在最后的结果集中进行筛选，执行效率较低

4. SELECT的执行过程

4.1 查询的结构
  1. #方式1： 
  2. SELECT ...,....,...
  3. FROM ...,...,....
  4. WHERE 多表的连接条件
  5. AND 不包含组函数的过滤条件
  6. GROUP BY ...,...
  7. HAVING 包含组函数的过滤条件
  8. ORDER BY ... ASC/DESC
  9. LIMIT ...,... 
  11. #方式2：
  12. SELECT ...,....,...
  13. FROM ... JOIN ...
  14. ON 多表的连接条件
  15. JOIN ...
  16. ON ...
  17. WHERE 不包含组函数的过滤条件
  18. AND/OR 不包含组函数的过滤条件
  19. GROUP BY ...,...
  20. HAVING 包含组函数的过滤条件
  21. ORDER BY ... ASC/DESC
  22. LIMIT ...,...
  24. #其中： 
  25. #（1）from：从哪些表中筛选 
  26. #（2）on：关联多表查询时，去除笛卡尔积 
  27. #（3）where：从表中筛选的条件
  28. #（4）group by：分组依据 
  29. #（5）having：在统计结果中再次筛选 
  30. #（6）order by：排序 
  31. #（7）limit：分页

4.2 SELECT执行顺序

你需要记住 SELECT 查询时的两个顺序：

1. 关键字的顺序是不能颠倒的：

  1. SELECT ... FROM ... WHERE ... GROUP BY ... HAVING ... ORDER BY ... LIMIT...

2.SELECT 语句的执行顺序（在 MySQL 和 Oracle 中，SELECT 执行顺序基本相同）：

  1. #FROM ...,...-> ON -> (LEFT/RIGNT  JOIN) -> WHERE -> GROUP BY -> HAVING -> SELECT -> DISTINCT -> ORDER BY -> LIMIT
  1. SELECT DISTINCT player_id, player_name, count(*) as num # 顺序 5
  2. FROM player JOIN team ON player.team_id = team.team_id # 顺序 1
  3. WHERE height > 1.80 # 顺序 2
  4. GROUP BY player.team_id # 顺序 3
  5. HAVING num > 2 # 顺序 4 
  6. ORDER BY num DESC # 顺序 6
  7. LIMIT 2 # 顺序 7

在 SELECT 语句执行这些步骤的时候，每个步骤都会产生一个虚拟表，然后将这个虚拟表传入下一个步骤中作为输入。需要注意的是，这些步骤隐含在 SQL 的执行过程中，对于我们来说是不可见的。

4.3 SQL 的执行原理

SELECT 是先执行 FROM 这一步的。在这个阶段，如果是多张表联查，还会经历下面的几个步骤：

  1. 首先先通过 CROSS JOIN 求笛卡尔积，相当于得到虚拟表 vt（virtual table）1-1；

  2. 通过 ON 进行筛选，在虚拟表 vt1-1 的基础上进行筛选，得到虚拟表 vt1-2；

  3. 添加外部行。如果我们使用的是左连接、右连接或者全连接，就会涉及到外部行，也就是在虚拟表 vt1-2 的基础上增加外部行，得到虚拟表 vt1-3。

当然如果我们操作的是两张以上的表，还会重复上面的步骤，直到所有表都被处理完为止。这个过程得到是我们的原始数据。

当我们拿到了查询数据表的原始数据，也就是最终的虚拟表vt1，就可以在此基础上再进行WHERE阶段 。在这个阶段中，会根据 vt1 表的结果进行筛选过滤，得到虚拟表vt2。

然后进入第三步和第四步，也就是GROUP和HAVING阶段 。在这个阶段中，实际上是在虚拟表 vt2 的基础上进行分组和分组过滤，得到中间的虚拟表vt3和vt4。

当我们完成了条件筛选部分之后，就可以筛选表中提取的字段，也就是进入到SELECT和DISTINCT阶段 。

首先在 SELECT 阶段会提取想要的字段，然后在 DISTINCT 阶段过滤掉重复的行，分别得到中间的虚拟表vt5-1和vt5-2。

当我们提取了想要的字段数据之后，就可以按照指定的字段进行排序，也就是ORDER BY阶段 ，得到虚拟表vt6。

最后在 vt6 的基础上，取出指定行的记录，也就是LIMIT阶段 ，得到最终的结果，对应的是虚拟表vt7。

当然我们在写 SELECT 语句的时候，不一定存在所有的关键字，相应的阶段就会省略。

同时因为 SQL 是一门类似英语的结构化查询语言，所以我们在写 SELECT 语句的时候，还要注意相应的关键字顺序，所谓底层运行的原理，就是我们刚才讲到的执行顺序。