group by与聚集函数

group by命令，通过字面意思可以明白，就是根据（by）一定的规则进行分组（group）。更具体点就是按照数据库中某一或某些字段（group by后接的关键字）进行分组。举例：

select DepartmentID as '部门名称',COUNT(*) as '个数' from BasicDepartment group by DepartmentID;

聚集函数：Postgresql的聚集函数包括count（计数）、sum（和）、avg（均值）、max（最大值）和min（最小值）函数，这些函数用于在一个行集合上的运算操作。

group by

它的作用是通过一定的规则将一个数据集划分成若干个小的区域，然后针对若干个小区域进行数据处理。

 select DepartmentID as '部门名称',COUNT(*) as '个数' from BasicDepartment group by DepartmentID;

上命令表示对数据库 BasicDepartment进行分组，DepartmentID相等的数据归为一组，只显示一条记录，并统计各个不同部门（DepartmentID）的人数。

注意

select DepartmentID,DepartmentName from BasicDepartment group by DepartmentID;

将会出现错误。

选择列表中的列 ‘DepartmentName’ 无效，因为该列没有包含在聚合函数或 GROUP BY 子句中。这就是我们需要注意的一点，如果在返回集字段中，这些字段要么就要包含在Group By语句的后面，作为分组的依据；要么就要被包含在聚合函数中。为什么呢，根据前面的说明：DepartmentID相等的数据归为一组，只显示一条记录，那如果数据集中有这样三条数据。

  	DepartmentID                               DepartmentName 
        dept001                                            技术部 
        dept001                                            综合部 
        dept001                                            人力部 

那我只能显示一条记录，我显示哪个？没法判断了。到这里有三种选择：

1.把DepartmentName也加入到分组的条件里去（GROUP BY DepartmentID,DepartmentName），那这三条记录就是三个分组。
2.不显示DepartmentName字段。
3.用聚合函数把这三条记录整合成一条记录count(DepartmentName)。

聚集函数与HAVING过滤

HAVING子句可以让我们筛选分组后的各组数据。HAVING子句中可以使用聚合函数。
举例说明：
显示每个地区的总人口数和总面积，仅显示那些面积超过1000000的地区。

SELECT region, SUM(population), SUM(area) FROM statisticsTable GROUP BY region
HAVING SUM(area)>1000000;

在这里，我们不能用where来筛选超过1000000的地区，因为表中不存在这样一条记录。相反，HAVING子句可以让我们筛选分组后的各组数据。

where子句和HAVING子句

当同时含有where子句、group by 子句 、HAVING子句及聚集函数时，执行顺序如下：
1.执行where子句查找符合条件的数据；
2.使用group by 子句对数据进行分组；对group by 子句形成的组运行聚集函数计算每一组的值；最后用HAVING子句去掉不符合条件的组。
总的来说，HAVING子句和where子句都可以用来设定限制条件以使查询结果满足一定的条件限制。但HAVING子句限制的是组，而不是行。where子句中不能使用聚集函数，而HAVING子句中可以。

理解聚集和SQL的WHERE以及HAVING子句之间的关系对我们非常重要。WHERE和HAVING的基本区别如下：WHERE在分组和聚集计算之前选取输入行（因此，它控制哪些行进入聚集计算）， 而HAVING在分组和聚集之后选取分组行。因此，WHERE子句不能包含聚集函数； 因为试图用聚集函数判断哪些行应输入给聚集运算是没有意义的。相反，HAVING子句总是包含聚集函数（严格说来，你可以写不使用聚集的HAVING子句， 但这样做很少有用。同样的条件用在WHERE阶段会更有效）。

补充：
在greenplum中，经常会用到以下命令来查看数据在各个节点的分布情况：

select gp_segment_id,count(1) from table_name group by 1;

在上命令中，count(1)表示按照表中的第一个字段进行统计，count(1)和count(*)类似，唯一区别是count(1)不统计null字段，而count(*)统计null字段。
group by 1表示select命令后的第一个字段，在此表示gp_segment_id。

参考：
1.https://blog.csdn.net/liu_shi_jun/article/details/51329472
2.http://www.postgres.cn/docs/9.6/tutorial-agg.html