【MySQL】聚合函数详解

聚合函数

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:

1.1 AVG和SUM函数(自动过滤了空值)

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%';

# 如下操作没有意义:(只有数值类型的才有意义)
SELECT SUM(last_name)
FROM employees;

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(数值,字符串,时间,变量)

SELECT MIN(hire_date), MAX(hire_date),MAX(salary),MIN(salary)
FROM employees;

COUNT函数

COUNT(*)返回表中记录总数，适用于任意数据类型。

若要返回表中有多少条记录,如何实现:

1. count(*)
2. count(1)
3. count(具体字段):不一定对!(计算指定字段出现的个数时,是不计算NULL的!)

SELECT COUNT(employee_id),COUNT(salary),COUNT(2*salary),COUNT(1),COUNT(2),COUNT(*)
FROM employees;

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;

有意思的三组数据:

SELECT 
AVG(salary),SUM(salary)/COUNT(salary),
AVG(commission_pct),SUM(commission_pct)/COUNT(commission_pct),
SUM(commission_pct)/107
FROM employees;

其中,第一二行的值是相等的,与第三行不相等

#查询奖金率的平均值:
select 
AVG(IFNULL(commission_pct,0))
from employees;

问题：用count(*)，count(1)，count(不存在NULL的列名)谁好呢?

其实，对于MyISAM引擎的表是没有区别的(O(1))。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基本使用

引入

#需求：查询各个部门的平均工资，最高工资
SELECT department_id,AVG(salary)
FROM employees
GROUP BY department_id;
#需求：查询各个job_id的平均工资，最高工资
SELECT job_id,AVG(salary)
FROM employees
GROUP BY job_id;

#需求：查询各个部门,job_id的平均工资，最高工资
SELECT department_id,job_id,AVG(salary)
FROM employees
GROUP BY department_id,job_id;

#或者,顺序换一下,最后的效果一样的
SELECT job_id,department_id,AVG(salary)
FROM employees
GROUP BY job_id,department_id;

#这个写法是错误的;

SELECT department_id,job_id,AVG(salary)
FROM employees
GROUP BY department_id;

结论一:

select中出现的非组函数的字段必须声明在group by中
反之,group by中声明的字段可以不出现在select中

结论二:

group by 声明在from\where后面,在order by\limit前面

结论三:

MYSQL中GROUP BY中使用WITH ROLLUP,就不能再使用order by了

SELECT department_id,AVG(salary) avg_sal
FROM employees
GROUP BY department_id WITH ROLLUP;
ORDER BY avg_sal ASC;
#加上这行以后会报错

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

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 ;

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;

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。（必须在GROUP BY 后面）

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

结论：

1. 当过滤条件中有聚合函数时，则此过滤条件必须声明在HAVING中。
2. 当过滤条件中没有聚合函数时，则此过滤条件声明最好在WHERE中
   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：

名字	区别1	区别2
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

查询的顺序

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。

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。