WEEW12 BLOG

外观

第08章_聚合函数

约 2639 字大约 9 分钟

2025-09-02

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

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

SELECT Avg(salary),  
       Max(salary),  
       Min(salary),  
       Sum(salary)  
FROM   employees  
WHERE  job_id LIKE '%REP%';

-- +-------------+-------------+-------------+-------------+
-- | Avg(salary) | Max(salary) | Min(salary) | Sum(salary) |
-- +-------------+-------------+-------------+-------------+
-- | 8272.727273 |    11500.00 |     6000.00 |   273000.00 |
-- +-------------+-------------+-------------+-------------+
-- 1 row in set (0.00 sec)

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

SELECT Min(hire_date),  
       Max(hire_date)  
FROM   employees;

-- +----------------+----------------+
-- | Min(hire_date) | Max(hire_date) |
-- +----------------+----------------+
-- | 1987-06-17     | 2000-04-21     |
-- +----------------+----------------+
-- 1 row in set (0.00 sec)

1.3 COUNT 函数

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

-- +----------+
-- | Count(*) |
-- +----------+
-- |       45 |
-- +----------+
-- 1 row in set (0.00 sec)
  • COUNT(expr)返回 expr不为空 的记录总数。
SELECT Count(commission_pct)  
FROM   employees  
WHERE  department_id = 50;

-- +-----------------------+
-- | Count(commission_pct) |
-- +-----------------------+
-- |                     0 |
-- +-----------------------+
-- 1 row in set (0.00 sec)
  • 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

SELECT column, group_function(column)
FROM table
[WHERE condition]
[GROUP BY group_by_expression]
[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:

SELECT department_id,  
       Avg(salary)  
FROM   employees  
GROUP  BY department_id;

-- +---------------+--------------+
-- | department_id | Avg(salary)  |
-- +---------------+--------------+
-- |          NULL |  7000.000000 |
-- |            10 |  4400.000000 |
-- |            20 |  9500.000000 |
-- |            30 |  4150.000000 |
-- |            40 |  6500.000000 |
-- |            50 |  3475.555556 |
-- |            60 |  5760.000000 |
-- |            70 | 10000.000000 |
-- |            80 |  8955.882353 |
-- |            90 | 19333.333333 |
-- |           100 |  8600.000000 |
-- |           110 | 10150.000000 |
-- +---------------+--------------+
-- 12 rows in set (0.00 sec)

包含在 GROUP BY 子句中的列不必包含在SELECT 列表中

SELECT Avg(salary)  
FROM   employees  
GROUP  BY department_id;

-- +--------------+
-- | Avg(salary)  |
-- +--------------+
-- |  7000.000000 |
-- |  4400.000000 |
-- |  9500.000000 |
-- |  4150.000000 |
-- |  6500.000000 |
-- |  3475.555556 |
-- |  5760.000000 |
-- | 10000.000000 |
-- |  8955.882353 |
-- | 19333.333333 |
-- |  8600.000000 |
-- | 10150.000000 |
-- +--------------+
-- 12 rows in set (0.00 sec)

2.2 使用多个列分组

SELECT department_id dept_id,
       job_id,
       Sum(salary)
FROM   employees
GROUP  BY department_id,
          job_id;
          
-- +---------+------------+-------------+
-- | dept_id | job_id     | Sum(salary) |
-- +---------+------------+-------------+
-- |      90 | AD_PRES    |    24000.00 |
-- |      90 | AD_VP      |    34000.00 |
-- |      60 | IT_PROG    |    28800.00 |
-- |     100 | FI_MGR     |    12000.00 |
-- |     100 | FI_ACCOUNT |    39600.00 |
-- |      30 | PU_MAN     |    11000.00 |
-- |      30 | PU_CLERK   |    13900.00 |
-- |      50 | ST_MAN     |    36400.00 |
-- |      50 | ST_CLERK   |    55700.00 |
-- |      80 | SA_MAN     |    61000.00 |
-- |      80 | SA_REP     |   243500.00 |
-- |    NULL | SA_REP     |     7000.00 |
-- |      50 | SH_CLERK   |    64300.00 |
-- |      10 | AD_ASST    |     4400.00 |
-- |      20 | MK_MAN     |    13000.00 |
-- |      20 | MK_REP     |     6000.00 |
-- |      40 | HR_REP     |     6500.00 |
-- |      70 | PR_REP     |    10000.00 |
-- |     110 | AC_MGR     |    12000.00 |
-- |     110 | AC_ACCOUNT |     8300.00 |
-- +---------+------------+-------------+
-- 20 rows in set (0.00 sec)

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

SELECT department_id,
       Avg(salary)
FROM   employees
WHERE  department_id > 80
GROUP  BY department_id WITH rollup;

-- +---------------+--------------+
-- | department_id | Avg(salary)  |
-- +---------------+--------------+
-- |            90 | 19333.333333 |
-- |           100 |  8600.000000 |
-- |           110 | 10150.000000 |
-- |          NULL | 11809.090909 |
-- +---------------+--------------+
-- 4 rows in set (0.00 sec)

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

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

SELECT department_id,
       Max(salary)
FROM   employees
GROUP  BY department_id
HAVING Max(salary) > 10000;

-- +---------------+-------------+
-- | department_id | Max(salary) |
-- +---------------+-------------+
-- |            20 |    13000.00 |
-- |            30 |    11000.00 |
-- |            80 |    14000.00 |
-- |            90 |    24000.00 |
-- |           100 |    12000.00 |
-- |           110 |    12000.00 |
-- +---------------+-------------+
-- 6 rows in set (0.00 sec)
  • 非法使用聚合函数 ： 不能在 WHERE 子句中使用聚合函数。 如下

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：

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

#方式 1 ：
SELECT ..., ..., ...
FROM ..., ..., ...
WHERE 多表的连接条件
AND 不包含组函数的过滤条件
GROUP BY ..., ...
HAVING 包含组函数的过滤条件
ORDER BY ... ASC / DESC
LIMIT ..., ...

#方式 2 ：
SELECT ..., ..., ...
FROM ... JOIN ...
ON 多表的连接条件
JOIN ...
ON ...
WHERE 不包含组函数的过滤条件
AND / OR 不包含组函数的过滤条件
GROUP BY ..., ...
HAVING 包含组函数的过滤条件
ORDER BY ... ASC / DESC
LIMIT ..., ...

#其中：
#（ 1 ）from：从哪些表中筛选
#（ 2 ）on：关联多表查询时，去除笛卡尔积
#（ 3 ）where：从表中筛选的条件
#（ 4 ）group by：分组依据
#（ 5 ）having：在统计结果中再次筛选
#（ 6 ）order by：排序
#（ 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:

  • 关键字的顺序是不能颠倒的
SELECT ...FROM ...WHERE ...GROUP BY ...HAVING ...ORDER BY ...LIMIT...
  • SELECT 语句的执行顺序（在 MySQL 和 Oracle 中，SELECT 执行顺序基本相同）：
FROM -> WHERE -> GROUP BY -> HAVING -> SELECT 的字段 -> DISTINCT -> ORDER BY -> LIMIT

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:

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

Copyright © 2025 weew12