MySQL学习笔记（六）

悠悠 2023-09-29 12:47 13阅读 0赞

**目录**

一：聚合函数

二：GROUP BY

三： HAVING

四： SELECT的执行过程

五：子查询

--------------------

## 一：聚合函数 ##

**1.1 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。

![4f785fee450d4657b0fc3baf5787b25a.png][]

**1.2 聚合函数类型：**

>  *  AVG()
>  *  SUM()
>  *  MAX()
>  *  MIN()
>  *  COUNT()

**1.3 聚合函数语法：**

![27e5b306875a4e02af445dabb26dfdd1.png][]

> 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。

**1.4 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%';

**1.5 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;

**1.6 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;

> **1.6.1 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)。  
> **1.6.1 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。

![2cb6d3295ed64c7e833b45a18e8a98ad.png][]

## 二：GROUP BY ##

**2.1 基本使用：**

![3b6d7bb2e1d1440c8abf6f6219215665.png][]

>  **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 ;

![7a9581e0f5704ca88df273142136d5f6.png][]

> **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 ;

> **GROUP BY声明在FROM后面、WHERE后面，ORDER BY前面，Limit前面。**

**2.2 使用多个列分组：**

#	需求：查询各个department_id,job_id的平均工资
    #方式一：
    SELECT department_id,job_id,AVG(salary)
    FROM employees
    GROUP BY department_id,job_id;
    #方式二：
    SELECT job_id,department_id,AVG(salary)
    FROM employees
    GROUP BY job_id,department_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。

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。**

## 三： HAVING ##

**3.1 基本使用:**

![b6e965998a354be5bbb46d7b974d7f1e.png][]

> **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 ;

> **结论一：如果过滤条件中使用了聚合函数，则必须使用HAVING来替换WHERE。否则就会报错。**

#查询部门id以及部门最高工资大于10000
    SELECT department_id,MAX(salary)
    FROM employees
    GROUP BY department_id
    HAVING MAX(salary)>10000;

> **结论二：HAVING必须声明在GROUP BY的后面。**

**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。  
>

![9f09c36cda0b45328c58696489081399.png][]

>  **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。
> 
> **即：**
> 
> 1.当过滤条件中没有聚合函数时，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，则此过滤条件声明在WHERE中或HAVING中都可以。但是，建议声明在WHERE中。

#查询部门id为10,20,30,40这4个部门中最高工资比10000高的部门信息
    #方式一：
    SELECT department_id,MAX(salary)
    FROM employees
    WHERE department_id,IN(10,20,30,40)
    GROUP BY department_id
    HAVING MAX(salary)>10000;
    #方式二：
    SELECT department_id,MAX(salary)
    FROM employees
    GROUP BY department_id
    HAVING MAX(salary)>10000 AND department_id IN(10,20,30,40);
    #方式一的运行效率大于方式二

## 四： SELECT的执行过程 ##

4.1 查询的结构：

#方式1（sql92）：
    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（sql99）：
    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：**

**4.2.1 关键字的顺序是不能颠倒的：**

SELECT ... FROM ... WHERE ... GROUP BY ... HAVING ... ORDER BY ... LIMIT...

**4.2.2 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

![89d123138a8d4229b15eba219606fd6a.png][]

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：**

**（一）**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。**  
**（二）**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 。  
**（三）**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 。  
**（四）**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 。  
**（五）**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 。  
**（六）**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 。  
**（七）**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。

--------------------

## 五：子查询 ##

> 子查询指一个查询语句嵌套在另一个查询语句内部的查询，这个特性从MySQL 4.1开始引入。  
> **SQL 中子查询的使用大大增强了 SELECT 查询的能力**，因为很多时候查询需要从结果集中获取数据，或者需要从同一个表中先计算得出一个数据结果，然后与这个数据结果（可能是某个标量，也可能是某个集合）进行比较。

**5.1 需求分析与问题解决：**

**5.1.1 实际问题：**

![53166820866547e9af4941ad08fba0c0.png][]

#方式一：
    SELECT salary
    FROM employees
    WHERE last_name = 'Abel';
    SELECT last_name,salary
    FROM employees
    WHERE salary > 11000;
    
    #方式二：自连接
    SELECT e2.last_name,e2.salary
    FROM employees e1,employees e2
    WHERE e1.last_name = 'Abel'
    AND e1.`salary` < e2.`salary`
    
    #方式三：子查询
    SELECT last_name,salary
    FROM employees
    WHERE salary > (
     SELECT salary
     FROM employees
     WHERE last_name = 'Abel'
     );

**5.1.2 子查询的基本使用：**

**子查询的基本语法结构：**

![784cc15048614b7997d1c2b62f3afd74.png][]

> **子查询（内查询）**在主查询之前一次执行完成。  
> 子查询的结果被**主查询（外查询）**使用 。

**注意事项：**

>  *  子查询要包含在括号内
>  *  将子查询放在比较条件的右侧
>  *  单行操作符对应单行子查询，多行操作符对应多行子查询

**5.1.3 子查询的分类：**

**分类方式1：**

> 我们按内查询的结果返回一条还是多条记录，将子查询分为 单行子查询 、 多行子查询 。

单行子查询：

![43d16b5162ea413c9e62894f8079b942.png][]

多行子查询：

![7fa3373b27b647939206ed2b461abb20.png][]

**分类方式2：**

> 我们按内查询是否被执行多次，将子查询划分为 相关(或关联)子查询 和 不相关(或非关联)子查询 。  
> 子查询从数据表中查询了数据结果，如果这个数据结果只执行一次，然后这个数据结果作为主查询的条件进行执行，那么这样的子查询叫做不相关子查询。  
> 同样，如果子查询需要执行多次，即采用循环的方式，先从外部查询开始，每次都传入子查询进行查询，然后再将结果反馈给外部，这种嵌套的执行方式就称为相关子查询。

**5.2 单行子查询：**

**5.2.1 单行比较操作符：**

![ddb2b08a6af0467babf8ea98c71691e7.png][]

**5.2.2 HAVING 中的子查询：**

>  *  首先执行子查询。
>  *  向主查询中的HAVING 子句返回结果。

**5.2.4 CASE中的子查询：**

在CASE表达式中使用单列子查询：

#题目：显式员工的employee_id,last_name和location。其中，若员工department_id与location_id为1800的department_id相同，则location为’Canada’，其余则为’USA’。
    
    SELECT employee_id, last_name,
           (CASE department_id
           WHEN
                 (SELECT department_id FROM departments
         WHERE location_id = 1800)           
           THEN 'Canada' ELSE 'USA' END) location
    FROM   employees;

**5.2.5 子查询中的空值问题：**

SELECT last_name, job_id
    FROM   employees
    WHERE job_id =
                   (SELECT job_id
                     FROM   employees
                     WHERE last_name = 'Haas');

> **子查询不返回任何行。**

**5.2.6 非法使用子查询：**

SELECT employee_id, last_name
    FROM   employees
    WHERE salary =
                   (SELECT   MIN(salary)
                     FROM     employees
                     GROUP BY department_id);

> **多行子查询使用单行比较符。**

**5.3 多行子查询：**

>  *  也称为集合比较子查询
>  *  内查询返回多行
>  *  使用多行比较操作符

**5.3.1 多行比较操作符 ：**

![0270c8d07caf43b9a52bef42967eba61.png][]

> 体会 ANY 和 ALL 的区别。

**代码实例：**

> （一）题目：返回其它job\_id中比job\_id为‘IT\_PROG’部门任一工资低的员工的员工号、姓名、job\_id 以及salary

![aae0f3f5cf2a4eec84c31ae358372feb.png][]

> （二）题目：返回其它job\_id中比job\_id为‘IT\_PROG’部门所有工资都低的员工的员工号、姓名、job\_id以及salary

![99f8f62cbfa5434fb043b1c88156eb08.png][]

**5.3.3 空值问题 ：**

SELECT last_name 
    FROM employees 
    WHERE employee_id NOT IN (
                              SELECT manager_id 
                              FROM employees 
                              );

**5.4 相关子查询 ：**

**5.4.1 相关子查询执行流程：**

> 如果子查询的执行依赖于外部查询，通常情况下都是因为子查询中的表用到了外部的表，并进行了条件关联，因此每执行一次外部查询，子查询都要重新计算一次，这样的子查询就称之为 关联子查询 。相关子查询按照一行接一行的顺序执行，主查询的每一行都执行一次子查询。

![a5c8ae42bacd41479b6cf27cacbebb32.png][]

> 说明：子查询中使用主查询中的列。

**5.4.2 EXISTS 与 NOT EXISTS关键字：**

> 关联子查询通常也会和 EXISTS操作符一起来使用，用来检查在子查询中是否存在满足条件的行。  
> 如果在子查询中不存在满足条件的行：条件返回 FALSE，继续在子查询中查找  
> 如果在子查询中存在满足条件的行：不在子查询中继续查找，条件返回 TRUE  
> NOT EXISTS关键字表示如果不存在某种条件，则返回TRUE，否则返回FALSE。

题目：查询公司管理者的employee\_id，last\_name，job\_id，department\_id信息

#方式一：
    SELECT employee_id, last_name, job_id, department_id
    FROM   employees e1
    WHERE EXISTS ( SELECT *
                     FROM   employees e2
                     WHERE e2.manager_id = 
                           e1.employee_id);
    #方式二：
    SELECT DISTINCT e1.employee_id, e1.last_name, e1.job_id, e1.department_id
    FROM   employees e1 JOIN employees e2
    WHERE e1.employee_id = e2.manager_id;
    #方式三：
    SELECT employee_id,last_name,job_id,department_id
    FROM employees
    WHERE employee_id IN (
         SELECT DISTINCT manager_id
         FROM employees
         
         );

5.4.4 相关更新：

UPDATE table1 alias1
    SET   column = (SELECT expression
                     FROM   table2 alias2
                     WHERE alias1.column = alias2.column);

> 使用相关子查询依据一个表中的数据更新另一个表的数据。

题目：在employees中增加一个department\_name字段，数据为员工对应的部门名称：

# 1）
    ALTER TABLE employees
    ADD(department_name VARCHAR2(14));
    # 2）
    UPDATE employees e
    SET department_name = (SELECT department_name 
                           FROM   departments d
                           WHERE e.department_id = d.department_id);

5.4.4 相关删除：

DELETE FROM table1 alias1
     WHERE column operator (SELECT expression
                            FROM   table2 alias2
                            WHERE alias1.column = alias2.column);

> 使用相关子查询依据一个表中的数据删除另一个表的数据。

题目：删除表employees中，其与emp\_history表皆有的数据：

DELETE FROM employees e
    WHERE employee_id in  
               (SELECT employee_id
                FROM   emp_history 
                WHERE employee_id = e.employee_id);

--------------------

[4f785fee450d4657b0fc3baf5787b25a.png]: https://img-blog.csdnimg.cn/4f785fee450d4657b0fc3baf5787b25a.png
[27e5b306875a4e02af445dabb26dfdd1.png]: https://img-blog.csdnimg.cn/27e5b306875a4e02af445dabb26dfdd1.png
[2cb6d3295ed64c7e833b45a18e8a98ad.png]: https://img-blog.csdnimg.cn/2cb6d3295ed64c7e833b45a18e8a98ad.png
[3b6d7bb2e1d1440c8abf6f6219215665.png]: https://img-blog.csdnimg.cn/3b6d7bb2e1d1440c8abf6f6219215665.png
[7a9581e0f5704ca88df273142136d5f6.png]: https://img-blog.csdnimg.cn/7a9581e0f5704ca88df273142136d5f6.png
[b6e965998a354be5bbb46d7b974d7f1e.png]: https://img-blog.csdnimg.cn/b6e965998a354be5bbb46d7b974d7f1e.png
[9f09c36cda0b45328c58696489081399.png]: https://img-blog.csdnimg.cn/9f09c36cda0b45328c58696489081399.png
[89d123138a8d4229b15eba219606fd6a.png]: https://img-blog.csdnimg.cn/89d123138a8d4229b15eba219606fd6a.png
[53166820866547e9af4941ad08fba0c0.png]: https://img-blog.csdnimg.cn/53166820866547e9af4941ad08fba0c0.png
[784cc15048614b7997d1c2b62f3afd74.png]: https://img-blog.csdnimg.cn/784cc15048614b7997d1c2b62f3afd74.png
[43d16b5162ea413c9e62894f8079b942.png]: https://img-blog.csdnimg.cn/43d16b5162ea413c9e62894f8079b942.png
[7fa3373b27b647939206ed2b461abb20.png]: https://img-blog.csdnimg.cn/7fa3373b27b647939206ed2b461abb20.png
[ddb2b08a6af0467babf8ea98c71691e7.png]: https://img-blog.csdnimg.cn/ddb2b08a6af0467babf8ea98c71691e7.png
[0270c8d07caf43b9a52bef42967eba61.png]: https://img-blog.csdnimg.cn/0270c8d07caf43b9a52bef42967eba61.png
[aae0f3f5cf2a4eec84c31ae358372feb.png]: https://img-blog.csdnimg.cn/aae0f3f5cf2a4eec84c31ae358372feb.png
[99f8f62cbfa5434fb043b1c88156eb08.png]: https://img-blog.csdnimg.cn/99f8f62cbfa5434fb043b1c88156eb08.png
[a5c8ae42bacd41479b6cf27cacbebb32.png]: https://img-blog.csdnimg.cn/a5c8ae42bacd41479b6cf27cacbebb32.png