GROUP BY...HAVING 组合查询大总结

一、GROUP BY的理解

GROUP BY是SELECT语句的从句，用来指定查询分组条件，主要用来对查询的结果进行分组，相同组合的分组条件在结果集中只显示一行记录。使用GROUP BY从句时候，通过添加聚合函数（主要有COUNT()、SUM、MAX()、MIN()等）可以使数据聚合。
GROUP BY插叙列中使用聚合函数是针对每个分组的。例如：

SELECT SUBSTR(A.HYLB_DM,1,2),COUNT(*)
FROM DJ_ZT A
GROUP BY SUBSTR(A.HYLB_DM,1,2);
-----------------------
01 2071
02 679
03 17952
04 150
05 5921
06 11406
07 3030
08 51308
09 3940
10 1229
11 3548
12 6916
13 1003
14 537
15 11471
16 44
17 135
18 676
19 5747
'[Null]' 84

GROUP BY用来指定分组条件，是一个数学集合的概念，比如针对一列进行分组，则组合分组条件的集合数为1。如果有两个分组条件，则组合分组条件的集合数为2。因此带有GROUP BY的查询一般成为分组查询，也叫组合查询。组合记录的多少取决于组合集合（不包含重复元素）中元素的个数。例如，组合条件为一列，则查询结果集记录条数应该等于这个列所有字段所组成（数学意义上的）集合的元素个数（NULL字段也算一个）。如果有两个组合列，则记录数等于实际中存在的两个列所组合的数目。

SELECT XZ,DFMC
FROM ODS.DM_RPT_QYHF
WHERE XZ='02'
GROUP BY XZ,DFMC;
--------------------------
02 '中外合作'
02 '中外合资'
02 '中外股份'
02 '外商投资'
02 '外国及港澳台地区在境经营'
02 '外国及港澳台地区常驻代表机构'

SELECT XZ,DFMC
FROM ODS.DM_RPT_QYHF
GROUP BY XZ,DFMC;
--------------------------
01 '其他'
01 '内资公司'
01 '国有'
01 '股份合作'
01 '集体'
02 '中外合作'
02 '中外合资'
02 '中外股份'
02 '外商投资'
02 '外国及港澳台地区在境经营'
02 '外国及港澳台地区常驻代表机构'
03 '个人独资'
03 '合伙企业'
03 '私营有限'
03 '私营股份'
'[Null]' '[Null]'

SELECT XZ,DFDM,DFMC,COUNT(*)
FROM ODS.DM_RPT_QYHF
GROUP BY XZ,DFDM,DFMC;
----------------------------------------------------
01 01 '国有' 4
01 02 '集体' 4
01 03 '股份合作' 3
01 04 '内资公司' 26
01 05 '其他' 2
02 01 '中外合资' 2
02 02 '中外合作' 4
02 03 '外商投资' 28
02 04 '中外股份' 4
02 06 '外国及港澳台地区在境经营' 1
02 07 '外国及港澳台地区常驻代表机构' 1
03 01 '私营有限' 6
03 02 '私营股份' 4
03 03 '个人独资' 1
03 04 '合伙企业' 1
'[Null]' '[Null]' '[Null]' 43

GROUP BY组合列必须出现查询的SELECT关键字后面，相同组合条件的情况下仅仅保留一个。因此,通过SELECT...GROUP BY查询出的各个列都应该是数目相同，要达到相同的目的，有两种途径：一种是将要查询的字段方到组合条件中，一种是在非组合条件的字段上使用聚合函数，当然也可以在组合列上聚合函数。处子之外，别无它法！如果查询的各个列结果数目不相等，则结果集会出现“不能对齐”的错误。 因此，将非组合条件的列在不使用聚合函数条件下放到要查询的列中，这种做法是完全错误的。

SELECT XZ
FROM ODS.DM_RPT_QYHF
GROUP BY XZ;
-----------------------
01
02
03
'[Null]'

GROUP BY在做组合查询的时候，会对NULL的分组单独形成一行，进行统计。参看上面的SQL。

GROUP BY对组合条件列来说，本身就会自动分组（剔除重复的列），因此在组合条件的列上应用DISTINCT关键字是多于的。但是用在非组合条件（都有聚合函数）的列上使用DISTINCT却不是多余的。

SELECT COUNT(DISTINCT(A.QYLX_ZL))
FROM DJ_ZT A
GROUP BY SUBSTR(A.QYLX_ZL,1,1);
-------------------------
1 3 11
2 2 9
3 6 2
4 5 10
5 3 9
6 1 6
7 2 2
8 2 1
9 3 2

GROUP BY不但可以对列组合，还可以对列的表达式进行组合。

例如：
SELECT
COUNT(A.BS) AS HS,
B.HYML_DM AS HYML_DM,
(SELECT HYML_MC FROM DM_HYML WHERE HYML_DM=B.HYML_DM) AS HYML_MC
FROM DJ_ZT A RIGHT OUTER JOIN DM_HYML B
ON SUBSTR(A.HYLB_DM,1,2)=B.HYML_DM
GROUP BY B.HYML_DM;
-----------------------------------
2071 01 '农、林、牧、渔业'
17952 03 '制造业'
679 02 '采矿业'
150 04 '电力、燃气及水的生产和供应业'
5921 05 '建筑业'
11406 06 '交通运输、仓储和邮政业'
3030 07 '信息传输、计算机服务和软件业'
51308 08 '批发和零售业'
3940 09 '住宿和餐饮业'
1229 10 '金融业'
3548 11 '房地产业'
6916 12 '租赁和商务服务业'
1003 13 '科学研究、技术服务和地质勘查业'
537 14 '水利、环境和公共设施管理业'
11471 15 '居民服务和其他服务业'
44 16 '教育'
135 17 '卫生、社会保障和社会福利业'
676 18 '文化、体育和娱乐业'
5747 19 '公共管理和社会组织'
0 20 '国际组织'

可以在SELECT ... GROUP BY 分组后筛选数据。筛选的关键字是HAVING。HAVING的作用和WHERE类似。都是用来过滤查询的中间记录。但是，HAVING从句指定的每个列规范必须出现在一个聚合函数内，或者出现在GROUP BY从句命名的列中。与WHERE不同的是：WHERE是在分组前（查询后）筛选数据；HAVING是在分组后筛选数据。
例如：

SELECT
SUBSTR(A.HYLB_DM,1,2),
COUNT(*),
SUM(A.ZCZB)
FROM DJ_ZT A
GROUP BY SUBSTR(A.HYLB_DM,1,2)
HAVING MAX(YEAR(A.CJRQ))<>2007;
-----------------------------
08 51308 2988475.0376

SELECT
SUBSTR(A.HYLB_DM,1,2),
COUNT(*),
SUM(A.ZCZB)
FROM DJ_ZT A
GROUP BY SUBSTR(A.HYLB_DM,1,2)
HAVING MAX(YEAR(A.CJRQ))<>2007 AND COUNT(*)>2;
------------------------------
08 51308 2988475.0376


再如一个比较特殊的例子，对比一下看看：
SELECT SUBSTR(HY_DM,1,2), COUNT(HY_DM)
FROM DM_HY
GROUP BY SUBSTR(HY_DM,1,2)
ORDER BY SUBSTR(HY_DM,1,2);
------------------------------
01 53
02 44
03 620
04 14
05 15
06 58
07 21
08 117
09 10
10 21
11 6
12 37
13 30
14 26
15 21
16 18
17 22
18 38
19 34
20 2

SELECT SUBSTR(HY_DM,1,2), COUNT(HY_DM)
FROM DM_HY
GROUP BY SUBSTR(HY_DM,1,2)
HAVING COUNT(*)>100
ORDER BY SUBSTR(HY_DM,1,2);
------------------------------
03 620
08 117

从此可以看出COUNT(*)是对每一个分组的。

另外，有时候可以在分组之前进行数据筛选并排序,比如：
SELECT SUBSTR(A.HY_DM,1,2)
FROM DM_HY A
WHERE SUBSTR(A.HY_DM,1,2) NOT LIKE '01'
GROUP BY SUBSTR(A.HY_DM,1,2)
ORDER BY SUBSTR(A.HY_DM,1,2) ASC;
---------------
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20


二、GROUP BY的高级用法

1、GROUP BY ... WITH ROLLUP 上滚统计

SELECT SUBSTR(A.HYLB_DM,1,2),COUNT(*)
FROM DJ_ZT A
GROUP BY SUBSTR(A.HYLB_DM,1,2) WITH ROLLUP;
-------------------------------
'[Null]' 127847
01 2071
02 679
03 17952
04 150
05 5921
06 11406
07 3030
08 51308
09 3940
10 1229
11 3548
12 6916
13 1003
14 537
15 11471
16 44
17 135
18 676
19 5747
'[Null]' 84

2、GROUP BY ... WITH CUBE

这个查询对于一个组合条件时候和上滚查询的结果相同，但有多个组合条件时候，此语句会产生用NULL和各个组合字段进行匹配，形成新的记录行，并进行统计。这个函数平时很不常用。

一个组合条件的情况：
SELECT SUBSTR(A.HYLB_DM,1,2),COUNT(*)
FROM DJ_ZT A
WHERE A.ZCZB>100
GROUP BY SUBSTR(A.HYLB_DM,1,2) WITH CUBE;
-------------------------------
'[Null]' 11026
01 350
02 18
03 2721
04 47
05 1228
06 235
07 292
08 2477
09 212
10 135
11 1430
12 420
13 116
14 86
15 988
16 8
17 9
18 68
19 182
'[Null]' 4


两个组合条件，对比一下，一目了然：

第一种：不加WITH CUBE条件：
SELECT SUBSTR(A.HYLB_DM,1,2),SUBSTR(A.QYLX_ZL,1,1),COUNT(*)
FROM DJ_ZT A
WHERE A.ZCZB>100
AND A.HYLB_DM IS NOT NULL
AND A.QYLX_ZL IS NOT NULL
AND SUBSTR(A.HYLB_DM,1,2) NOT IN('03','04','05','06','07','08','09','10','11','12','13','14','15','16','17','18','19','20')
AND A.QYLX_DM='01'
GROUP BY SUBSTR(A.HYLB_DM,1,2),SUBSTR(A.QYLX_ZL,1,1);
---------------------------
01 1 41
01 3 18
02 1 4

第二种：加上WITH CUBE条件：
SELECT SUBSTR(A.HYLB_DM,1,2),SUBSTR(A.QYLX_ZL,1,1),COUNT(*)
FROM DJ_ZT A
WHERE A.ZCZB>100
AND A.HYLB_DM IS NOT NULL
AND A.QYLX_ZL IS NOT NULL
AND SUBSTR(A.HYLB_DM,1,2) NOT IN('03','04','05','06','07','08','09','10','11','12','13','14','15','16','17','18','19','20')
AND A.QYLX_DM='01'
GROUP BY SUBSTR(A.HYLB_DM,1,2),SUBSTR(A.QYLX_ZL,1,1) WITH CUBE;
---------------------------
'[Null]' 1 45
'[Null]' 3 18
'[Null]' '[Null]' 63
01 '[Null]' 59
02 '[Null]' 4
01 1 41
01 3 18
02 1 4

三、核心原理

只有深入理解这些语句执行的过程才能做到心中有数，明明白白写SQL。下面是带有WHERE和HAVING的SELECT语句执行过程：

1、执行WHERE筛选数据
2、执行GROUP BY分组形成中间分组表
3、执行WITH ROLLUP/CUBE生成统计分析数据记录并加入中间分组表
4、执行HAVING筛选中间分组表
5、执行ORDER BY排序

呵呵，知道了执行过程，神秘的GROUP/WHERE/HAVING/WITH...将不再神秘。