MySQL_第08章_聚合函数

第08章_聚合函数

讲师：尚硅谷 - 宋红康（江湖人称：康师傅）

官网： http://www.atguigu.com

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。

 

• 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%' ;

 

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;

  

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(expr) 返回expr不为空的记录总数。

SELECT COUNT (commission_pct)

FROM employees

WHERE department_id = 50 ;

 

• 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 ;

 

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 使用多个列分组

 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 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。

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 ;

• 非法使用聚合函数 ： 不能在 WHERE 子句中使用聚合函数。如下：

SELECT department_id, AVG(salary)

FROM employees

WHERE AVG(salary) > 8000

GROUP BY department_id;

  

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

# 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：

1. 关键字的顺序是不能颠倒的：

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）：

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。