第08章_聚合函式

講師：尚矽谷-宋紅康（江湖人稱：康師傅）

官網：http://www.atguigu.com

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

AVG = SUM / COUNT <COUNT不包含null>

sum(expr) / count(ifnull(expr,0)) = avg(ifnull(expr,0))

• COUNT(*)返回表中記錄總數，適用於任意資料型別。同count(1)

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

group by 宣告在 from 後面，where 後面，order by 前面，limit 前面

分組 在排序 分頁 前面

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,反之， group by 中宣告的欄位可以不出現在select 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。

因為 rollup 會被 order by 視為資料，進行排序，報錯

3. HAVING

如果過濾條件中使用了聚合函式，則必須使用 having 來替換 where 。否則，報錯

having 必須宣告 在 group by 的後面

3.1 基本使用

過濾分組：HAVING子句

1. 行已經被分組。
2. 使用了聚合函式。
3. 滿足HAVING 子句中條件的分組將被顯示。
4. 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：

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 ... (LEFT/RIGHT)JOIN ... 
ON 多表的連線條件
JOIN ...
ON ...
WHERE 不包含組(聚合)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：

1. 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；
2. 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；
3. 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。