第08章_聚合函式
我們上一章講到了 SQL 單行函式。實際上 SQL 函式還有一類，叫做聚合（或聚集、分組）函式，它是對一組資料進行彙總的函式，輸入的是一組資料的集合，輸出的是單個值。
1. 聚合函式介紹
- 什麼是聚合函式
聚合函式作用於一組資料，並對一組資料返回一個值。
-
聚合函式型別
- AVG()
- SUM()
- MAX()
- MIN()
- COUNT()
-
聚合函式語法
- 聚合函式不能巢狀呼叫。比如不能出現類似“AVG(SUM(欄位名稱))”形式的呼叫。
1.1 AVG和SUM函式
可以對數值型資料使用AVG 和 SUM 函式。
SELECT AVG(salary), MAX(salary),MIN(salary), SUM(salary) FROM employees WHERE job_id LIKE '%REP%';
1.2 MIN和MAX函式
可以對任意資料型別的資料使用 MIN 和 MAX 函式。
SELECT MIN(hire_date), MAX(hire_date)
FROM employees;
1.3 COUNT函式
- COUNT(*)返回表中記錄總數，適用於任意資料型別。
SELECT COUNT(*)
FROM employees
WHERE department_id = 50;
- COUNT(expr) 返回expr不為空的記錄總數。
SELECT COUNT(commission_pct) FROM employees WHERE department_id = 50;
-
問題：用count(*)，count(1)，count(列名)誰好呢?
其實，對於MyISAM引擎的表是沒有區別的。這種引擎內部有一計數器在維護著行數。
Innodb引擎的表用count(*),count(1)直接讀行數，複雜度是O(n)，因為innodb真的要去數一遍。但好於具體的count(列名)。
-
問題：能不能使用count(列名)替換count(*)?
不要使用 count(列名)來替代
count(*)，count(*)是 SQL92 定義的標準統計行數的語法，跟資料庫無關，跟 NULL 和非 NULL 無關。說明：count(*)會統計值為 NULL 的行，而 count(列名)不會統計此列為 NULL 值的行。
2. GROUP BY
2.1 基本使用
可以使用GROUP BY子句將表中的資料分成若干組
SELECT column, group_function(column)
FROM table
[WHERE condition]
[GROUP BY group_by_expression]
[ORDER BY column];
明確：WHERE一定放在FROM後面
在SELECT列表中所有未包含在組函式中的列都應該包含在 GROUP BY子句中
SELECT department_id, AVG(salary)
FROM employees
GROUP BY department_id ;
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 ;
2.2 使用多個列分組
SELECT department_id dept_id, job_id, SUM(salary)
FROM employees
GROUP BY department_id, job_id ;
2.3 GROUP BY中使用WITH ROLLUP
使用WITH ROLLUP關鍵字之後，在所有查詢出的分組記錄之後增加一條記錄，該記錄計算查詢出的所有記錄的總和，即統計記錄數量。
SELECT department_id,AVG(salary)
FROM employees
WHERE department_id > 80
GROUP BY department_id WITH ROLLUP;
注意：
當使用ROLLUP時，不能同時使用ORDER BY子句進行結果排序，即ROLLUP和ORDER BY是互相排斥的。
3. HAVING
3.1 基本使用
過濾分組：HAVING子句
- 行已經被分組。
- 使用了聚合函式。
- 滿足HAVING 子句中條件的分組將被顯示。
- HAVING 不能單獨使用，必須要跟 GROUP BY 一起使用。
SELECT department_id, MAX(salary)
FROM employees
GROUP BY department_id
HAVING MAX(salary)>10000 ;
- 非法使用聚合函式 ： 不能在 WHERE 子句中使用聚合函式。如下：
SELECT department_id, AVG(salary)
FROM employees
WHERE AVG(salary) > 8000
GROUP BY department_id;
3.2 WHERE和HAVING的對比
區別1：WHERE 可以直接使用表中的欄位作為篩選條件，但不能使用分組中的計算函式作為篩選條件；HAVING 必須要與 GROUP BY 配合使用，可以把分組計算的函式和分組欄位作為篩選條件。
這決定了，在需要對資料進行分組統計的時候，HAVING 可以完成 WHERE 不能完成的任務。這是因為，在查詢語法結構中，WHERE 在 GROUP BY 之前，所以無法對分組結果進行篩選。HAVING 在 GROUP BY 之後，可以使用分組欄位和分組中的計算函式，對分組的結果集進行篩選，這個功能是 WHERE 無法完成的。另外，WHERE排除的記錄不再包括在分組中。
區別2：如果需要通過連線從關聯表中獲取需要的資料，WHERE 是先篩選後連線，而 HAVING 是先連線後篩選。 這一點，就決定了在關聯查詢中，WHERE 比 HAVING 更高效。因為 WHERE 可以先篩選，用一個篩選後的較小資料集和關聯表進行連線，這樣佔用的資源比較少，執行效率也比較高。HAVING 則需要先把結果集準備好，也就是用未被篩選的資料集進行關聯，然後對這個大的資料集進行篩選，這樣佔用的資源就比較多，執行效率也較低。
小結如下：
| 優點 | 缺點 | |
|---|---|---|
| WHERE | 先篩選資料再關聯，執行效率高 | 不能使用分組中的計算函式進行篩選 |
| HAVING | 可以使用分組中的計算函式 | 在最後的結果集中進行篩選，執行效率較低 |
開發中的選擇：
WHERE 和 HAVING 也不是互相排斥的，我們可以在一個查詢裡面同時使用 WHERE 和 HAVING。包含分組統計函式的條件用 HAVING，普通條件用 WHERE。這樣，我們就既利用了 WHERE 條件的高效快速，又發揮了 HAVING 可以使用包含分組統計函式的查詢條件的優點。當資料量特別大的時候，執行效率會有很大的差別。
4. SELECT的執行過程
4.1 查詢的結構
#方式1：
SELECT ...,....,...
FROM ...,...,....
WHERE 多表的連線條件
AND 不包含組函式的過濾條件
GROUP BY ...,...
HAVING 包含組函式的過濾條件
ORDER BY ... ASC/DESC
LIMIT ...,...
#方式2：
SELECT ...,....,...
FROM ... JOIN ...
ON 多表的連線條件
JOIN ...
ON ...
WHERE 不包含組函式的過濾條件
AND/OR 不包含組函式的過濾條件
GROUP BY ...,...
HAVING 包含組函式的過濾條件
ORDER BY ... ASC/DESC
LIMIT ...,...
#其中：
#（1）from：從哪些表中篩選
#（2）on：關聯多表查詢時，去除笛卡爾積
#（3）where：從表中篩選的條件
#（4）group by：分組依據
#（5）having：在統計結果中再次篩選
#（6）order by：排序
#（7）limit：分頁
4.2 SELECT執行順序
你需要記住 SELECT 查詢時的兩個順序：
1. 關鍵字的順序是不能顛倒的：
SELECT ... FROM ... WHERE ... GROUP BY ... HAVING ... ORDER BY ... LIMIT...
2.SELECT 語句的執行順序（在 MySQL 和 Oracle 中，SELECT 執行順序基本相同）：
FROM -> WHERE -> GROUP BY -> HAVING -> SELECT 的欄位 -> DISTINCT -> ORDER BY -> LIMIT
比如你寫了一個 SQL 語句，那麼它的關鍵字順序和執行順序是下面這樣的：
SELECT DISTINCT player_id, player_name, count(*) as num # 順序 5
FROM player JOIN team ON player.team_id = team.team_id # 順序 1
WHERE height > 1.80 # 順序 2
GROUP BY player.team_id # 順序 3
HAVING num > 2 # 順序 4
ORDER BY num DESC # 順序 6
LIMIT 2 # 順序 7
在 SELECT 語句執行這些步驟的時候，每個步驟都會產生一個虛擬表，然後將這個虛擬表傳入下一個步驟中作為輸入。需要注意的是，這些步驟隱含在 SQL 的執行過程中，對於我們來說是不可見的。
4.3 SQL 的執行原理
SELECT 是先執行 FROM 這一步的。在這個階段，如果是多張表聯查，還會經歷下面的幾個步驟：
- 首先先通過 CROSS JOIN 求笛卡爾積，相當於得到虛擬表 vt（virtual table）1-1；
- 通過 ON 進行篩選，在虛擬表 vt1-1 的基礎上進行篩選，得到虛擬表 vt1-2；
- 新增外部行。如果我們使用的是左連線、右連結或者全連線，就會涉及到外部行，也就是在虛擬表 vt1-2 的基礎上增加外部行，得到虛擬表 vt1-3。
當然如果我們操作的是兩張以上的表，還會重複上面的步驟，直到所有表都被處理完為止。這個過程得到是我們的原始資料。
當我們拿到了查詢資料表的原始資料，也就是最終的虛擬表 vt1，就可以在此基礎上再進行 WHERE 階段。在這個階段中，會根據 vt1 表的結果進行篩選過濾，得到虛擬表 vt2。
然後進入第三步和第四步，也就是 GROUP 和 HAVING 階段。在這個階段中，實際上是在虛擬表 vt2 的基礎上進行分組和分組過濾，得到中間的虛擬表 vt3 和 vt4。
當我們完成了條件篩選部分之後，就可以篩選表中提取的欄位，也就是進入到 SELECT 和 DISTINCT 階段。
首先在 SELECT 階段會提取想要的欄位，然後在 DISTINCT 階段過濾掉重複的行，分別得到中間的虛擬表 vt5-1 和 vt5-2。
當我們提取了想要的欄位資料之後，就可以按照指定的欄位進行排序，也就是 ORDER BY 階段，得到虛擬表 vt6。
最後在 vt6 的基礎上，取出指定行的記錄，也就是 LIMIT 階段，得到最終的結果，對應的是虛擬表 vt7。
當然我們在寫 SELECT 語句的時候，不一定存在所有的關鍵字，相應的階段就會省略。
同時因為 SQL 是一門類似英語的結構化查詢語言，所以我們在寫 SELECT 語句的時候，還要注意相應的關鍵字順序，所謂底層執行的原理，就是我們剛才講到的執行順序。