我们上一章讲到了 SQL 单行函数。实际上 SQL 函数还有一类,叫做聚合(或聚集、分组)函数,它是对一组数据进行汇总的函数,输入的是一组数据的集合,输出的是单个值。

1. 聚合函数介绍

  • 什么是聚合函数

聚合函数作用于一组数据,并对一组数据返回一个值。

1554980924940.png

  • 聚合函数类型
    • AVG()
    • SUM()
    • MAX()
    • MIN()
    • COUNT()
  • 聚合函数语法

1554981029920.png

  • 聚合函数不能嵌套调用。比如不能出现类似“AVG(SUM(字段名称))”形式的调用。

1.1 AVG和SUM函数

可以对数值型数据使用AVG 和 SUM 函数。

  1. SELECT AVG(salary), MAX(salary),MIN(salary), SUM(salary)
  2. FROM employees
  3. WHERE job_id LIKE '%REP%';

1554981279723.png

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. SELECT MIN(hire_date), MAX(hire_date)
  2. FROM employees;

1554981253194.png

1.3 COUNT函数

  • COUNT()返回表中记录总数,适用于*任意数据类型
  1. SELECT COUNT(*)
  2. FROM employees
  3. WHERE department_id = 50;

1554981241299.png

  • COUNT(expr) 返回expr不为空的记录总数。
  1. SELECT COUNT(commission_pct)
  2. FROM employees
  3. WHERE department_id = 50;

1554981328678.png

  • *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

1554981374920.png

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 ;

1554981539408.png
1554981544191.png

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 ;

1554981574152.png

2.2 使用多个列分组

1554981607442.png

  1. SELECT department_id dept_id, job_id, SUM(salary)
  2. FROM employees
  3. GROUP BY department_id, job_id ;

1554981624864.png
1554981629733.png

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

1554981656798.png

过滤分组:HAVING子句

  1. 行已经被分组。
  2. 使用了聚合函数。
  3. 满足HAVING 子句中条件的分组将被显示。
  4. HAVING 不能单独使用,必须要跟 GROUP BY 一起使用。

1554981808091.png

  1. SELECT department_id, MAX(salary)
  2. FROM employees
  3. GROUP BY department_id
  4. HAVING MAX(salary)>10000 ;

1554981824564.png

  • 非法使用聚合函数 : 不能在 WHERE 子句中使用聚合函数。如下:
  1. SELECT department_id, AVG(salary)
  2. FROM employees
  3. WHERE AVG(salary) > 8000
  4. GROUP BY department_id;

1554981724375.png

3.2 WHERE和HAVING的对比

区别1:WHERE 可以直接使用表中的字段作为筛选条件,但不能使用分组中的计算函数作为筛选条件;HAVING 必须要与 GROUP BY 配合使用,可以把分组计算的函数和分组字段作为筛选条件。

这决定了,在需要对数据进行分组统计的时候,HAVING 可以完成 WHERE 不能完成的任务。这是因为,在查询语法结构中,WHERE 在 GROUP BY 之前,所以无法对分组结果进行筛选。HAVING 在 GROUP BY 之后,可以使用分组字段和分组中的计算函数,对分组的结果集进行筛选,这个功能是 WHERE 无法完成的。另外,WHERE排除的记录不再包括在分组中。

区别2:如果需要通过连接从关联表中获取需要的数据,WHERE 是先筛选后连接,而 HAVING 是先连接后筛选。 这一点,就决定了在关联查询中,WHERE 比 HAVING 更高效。因为 WHERE 可以先筛选,用一个筛选后的较小数据集和关联表进行连接,这样占用的资源比较少,执行效率也比较高。HAVING 则需要先把结果集准备好,也就是用未被筛选的数据集进行关联,然后对这个大的数据集进行筛选,这样占用的资源就比较多,执行效率也较低。

小结如下:

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

开发中的选择:

WHERE 和 HAVING 也不是互相排斥的,我们可以在一个查询里面同时使用 WHERE 和 HAVING。包含分组统计函数的条件用 HAVING,普通条件用 WHERE。这样,我们就既利用了 WHERE 条件的高效快速,又发挥了 HAVING 可以使用包含分组统计函数的查询条件的优点。当数据量特别大的时候,运行效率会有很大的差别。

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

1566872301088.png

比如你写了一个 SQL 语句,那么它的关键字顺序和执行顺序是下面这样的:

  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、右链接或者全连接,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 vt3vt4

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 vt5-1vt5-2

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。