MySQL：聚合函数（全面详解）

ゝ一世哀愁。 2023-10-12 22:46 10阅读 0赞

### 聚合函数 ###

*  前言
 *  一、聚合函数介绍
 *   *  1、AVG和SUM函数
     *  2、 MIN和MAX函数
     *  3、COUNT函数
 *  二、GROUP BY
 *   *  1、基本使用
     *  2、使用多个列分组
     *  3、 GROUP BY中使用WITH ROLLUP
 *  三、HAVING
 *   *  1、基本使用
     *  2、WHERE和HAVING的对比
 *  四、 SELECT的执行过程
 *   *  1、查询的结构
     *  2、SELECT执行顺序
     *  3、SQL 的执行原理

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

# 前言 #

1.  欢迎 免费报名 由CSDN主办的[【Java基础及数据库Mysql的新星计划】(点击跳转)][Java_Mysql] 我们特别为 **Java基础** 和 **MySQL** 这两个赛道开设了培训课程。
2.  通过参与这个赛道，你将有机会与其他志同道合的学习者进行交流和互动，我们提供一系列精心设计的课程内容，旨在帮助你建立扎实的Java基础知识和MySQL数据库应用能力，分享学习心得和经验。我们的导师团队也将全程陪伴你，解答疑惑，提供指导和反馈，确保你的学习过程顺利和有效。

# 一、聚合函数介绍 #

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。

![在这里插入图片描述][5188e5f619f94f439a4c2c13ef54367d.png]

1.  聚合函数类型
    
     *  AVG()
     *  SUM()
     *  MAX()
     *  MIN()
     *  COUNT()
2.  聚合函数语法

![在这里插入图片描述][456de1eef2ef485a9c9b35ab53936f6a.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、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%';

![在这里插入图片描述][80c1c30679b54b64825448d3fc49786f.png]

## 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;

![在这里插入图片描述][0ddddb142c434704831c479a399c9a5f.png]

## 3、COUNT函数 ##

1.  `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;

![在这里插入图片描述][e277a9e715c04e6baf51cb7ddd4f2399.png]

1.  `COUNT(expr)` 返回expr不为空的记录总数。

SELECT COUNT(commission_pct)
    FROM   employees
    WHERE  department_id = 50;

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.  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。

# 二、GROUP BY #

## 1、基本使用 ##

![在这里插入图片描述][67f6414657d84857adb76d44203d965b.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 ;

![在这里插入图片描述][ff12805c94614cdc8bd9bc79276352bd.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 ;

![在这里插入图片描述][64e120392f1443318205e96cd4ce150f.png]

## 2、使用多个列分组 ##

![在这里插入图片描述][79dcda2467fb46c89b4dd3cf3606bd40.png]

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

![在这里插入图片描述][efe38df23db24d71867435f497be2af4.png]

## 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 #

## 1、基本使用 ##

![在这里插入图片描述][222f2ff2ae55461c9ff771357f7480ea.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。

![在这里插入图片描述][287dd82f0d5148bfbbc84068a8c218a9.png]

SELECT   department_id, MAX(salary)
    FROM     employees
    GROUP BY department_id
    HAVING   MAX(salary)>10000 ;

![在这里插入图片描述][0be611fe94004545bf86fa2425143968.png]

**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;

![在这里插入图片描述][602ba06591f74fb8a00dfc577a302044.png]

## 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：

<table> 
 <thead> 
  <tr> 
   <th></th> 
   <th>优点</th> 
   <th>缺点</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>WHERE</td> 
   <td>先筛选数据再关联，执行效率高</td> 
   <td>不能使用分组中的计算函数进行筛选</td> 
  </tr> 
  <tr> 
   <td>HAVING</td> 
   <td>可以使用分组中的计算函数</td> 
   <td>在最后的结果集中进行筛选，执行效率较低</td> 
  </tr> 
 </tbody> 
</table>

**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。

# 四、 SELECT的执行过程 #

## 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

## 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

![在这里插入图片描述][c508575b0b2f479a851ab9bdf4138011.png]

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。

## 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**。

[Java_Mysql]: https://bbs.csdn.net/topics/616302731
[5188e5f619f94f439a4c2c13ef54367d.png]: https://img-blog.csdnimg.cn/5188e5f619f94f439a4c2c13ef54367d.png
[456de1eef2ef485a9c9b35ab53936f6a.png]: https://img-blog.csdnimg.cn/456de1eef2ef485a9c9b35ab53936f6a.png
[80c1c30679b54b64825448d3fc49786f.png]: https://img-blog.csdnimg.cn/80c1c30679b54b64825448d3fc49786f.png
[0ddddb142c434704831c479a399c9a5f.png]: https://img-blog.csdnimg.cn/0ddddb142c434704831c479a399c9a5f.png
[e277a9e715c04e6baf51cb7ddd4f2399.png]: https://img-blog.csdnimg.cn/e277a9e715c04e6baf51cb7ddd4f2399.png
[67f6414657d84857adb76d44203d965b.png]: https://img-blog.csdnimg.cn/67f6414657d84857adb76d44203d965b.png
[ff12805c94614cdc8bd9bc79276352bd.png]: https://img-blog.csdnimg.cn/ff12805c94614cdc8bd9bc79276352bd.png
[64e120392f1443318205e96cd4ce150f.png]: https://img-blog.csdnimg.cn/64e120392f1443318205e96cd4ce150f.png
[79dcda2467fb46c89b4dd3cf3606bd40.png]: https://img-blog.csdnimg.cn/79dcda2467fb46c89b4dd3cf3606bd40.png
[efe38df23db24d71867435f497be2af4.png]: https://img-blog.csdnimg.cn/efe38df23db24d71867435f497be2af4.png
[222f2ff2ae55461c9ff771357f7480ea.png]: https://img-blog.csdnimg.cn/222f2ff2ae55461c9ff771357f7480ea.png
[287dd82f0d5148bfbbc84068a8c218a9.png]: https://img-blog.csdnimg.cn/287dd82f0d5148bfbbc84068a8c218a9.png
[0be611fe94004545bf86fa2425143968.png]: https://img-blog.csdnimg.cn/0be611fe94004545bf86fa2425143968.png
[602ba06591f74fb8a00dfc577a302044.png]: https://img-blog.csdnimg.cn/602ba06591f74fb8a00dfc577a302044.png
[c508575b0b2f479a851ab9bdf4138011.png]: https://img-blog.csdnimg.cn/c508575b0b2f479a851ab9bdf4138011.png