我只想卷死各位，或者被各位卷死，在此特别感谢康师傅的MySQL教程

85:43:12

MySQL数据库入门到大牛，mysql安装到优化，百科全书级，全网天花板

571.7万 18.6万

上篇文章讲的是 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。

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。

AVG和SUM函数

AVG/SUM: 只适用于数值类型的字段(或变量)

1
2
3
4
5
6
SELECT AVG(salary),SUM(salary),AVG(salary) * 107
FROM employees;

-- 如下操作没有意义
SELECT SUM(last_name),AVG(last_name),SUM(hire_date)
FROM employees;

MIN和MAX函数

MAX/MIN: 适用于数值类型、字符串类型、日期时间类型的字段(或变量)

1
2
3
4
5
6
7
8
SELECT 
MAX(last_name),         -- Zlotkey
MIN(last_name),         -- Abel
MAX(salary),            -- 24000.00
MIN(salary),            -- 2100.00
MAX(hire_date),         -- 2000-04-21
MIN(hire_date)          -- 1987-06-17
FROM employees;

COUNT函数

COUNT(*)返回表中记录总数，适用于任意数据类型。

1
2
3
4
5
6
7
8
9
10
11
12
13
SELECT COUNT(*)     -- 107 表中一共107条记录
FROM employees;     

SELECT COUNT(*)             -- 45 表中部门号为50的，有45条记录
FROM employees      
WHERE department_id = 50;

SELECT COUNT(commission_pct)    -- 35 不是所有人都有奖金，表中只有35人有奖金
FROM employees;                 -- 没有奖金的人commission_pct字段为NULL，COUNT不会计算NULL值

-- 查询平均奖金率
SELECT AVG(IFNULL(commission_pct,0))
FROM employees;
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。

GROUP BY

基本使用

可以使用GROUP BY子句将表中的数据分成若干组

1
2
3
4
5
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

1
2
3
4
5
6
7
8
9
10
-- 查询各个部门的平均工资，最高工资
SELECT department_id,AVG(salary),MAX(salary)
FROM employees
GROUP BY department_id;

-- 查询各个job_id的平均工资,并排序
SELECT job_id,AVG(salary)
FROM employees
GROUP BY job_id
ORDER BY AVG(salary) DESC;

使用多个列分组

1
2
3
4
5
-- 查询各个department_id,job_id的平均工资,并排序
SELECT department_id,job_id,AVG(salary)
FROM employees
GROUP BY department_id,job_id
ORDER BY AVG(salary) DESC;

GROUP BY 中使用 WITH ROLLUP

WITH ROLLUP 可以实现在分组统计数据基础上再进行相同的统计（SUM,AVG,COUNT…）。

1
2
3
4
SELECT department_id,AVG(salary)
FROM employees
WHERE department_id > 80
GROUP BY department_id WITH ROLLUP;

注意：在MySQL5.7中使用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。但是在MySQL8.0中可以用

1
2
3
4
5
6
-- 8.0中可以运行，5.7中会报错‘Incorrect usage of CUBE/ROLLUP and ORDER BY’
SELECT department_id,AVG(salary)
FROM employees
WHERE department_id > 80
GROUP BY department_id WITH ROLLUP
ORDER BY AVG(salary);

HAVING

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 不建议单独使用，要跟 GROUP BY 一起使用。
  • 练习：查询最高工资超过10000的部门
1
2
3
4
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。

1
2
3
4
SELECT department_id, AVG(salary)
FROM employees
WHERE AVG(salary) > 8000
GROUP BY department_id;
  • 练习：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
1
2
3
4
5
SELECT department_id,MAX(salary)
FROM employees
GROUP BY department_id
HAVING MAX(salary) > 10000
AND department_id IN (10,20,30,40);

推荐，执行效率高于方式一.

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，则此过滤条件声明在WHERE中或HAVING中都可以。但是，建议大家声明在WHERE中。
1
2
3
4
5
SELECT department_id,MAX(salary)
FROM employees
WHERE department_id IN (10,20,30,40)
GROUP BY department_id
HAVING MAX(salary) > 10000;

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。

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。

SELECT的执行过程

查询的结构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
--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
*/

SELECT执行顺序

  1. 关键字的顺序是不能颠倒的
1
SELECT ... FROM ... WHERE ... GROUP BY ... HAVING ... ORDER BY ... LIMIT...
  1. SELECT 语句的执行顺序（在 MySQL 和 Oracle 中，SELECT 执行顺序基本相同）：
1
FROM …,…-> ON -> (LEFT/RIGNT JOIN) -> WHERE -> GROUP BY -> HAVING-> SELECT -> DISTINCT -> ORDER BY -> LIMIT

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。

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。

课后练习

  1. where子句可否使用组函数进行过滤?
1
-- 不可以
  1. 查询公司员工工资的最大值，最小值，平均值，总和
1
2
SELECT MAX(salary),MIN(salary),AVG(salary),SUM(salary)
FROM employees;
  1. 查询各job_id的员工工资的最大值，最小值，平均值，总和
1
2
3
SELECT job_id,MAX(salary),MIN(salary),AVG(salary),SUM(salary)
FROM employees
GROUP BY job_id;
  1. 选择具有各个job_id的员工人数
1
2
3
SELECT job_id,COUNT(*)
FROM employees
GROUP BY job_id;
  1. 查询员工最高工资和最低工资的差距（DIFFERENCE）
1
2
SELECT MAX(salary), MIN(salary), MAX(salary) - MIN(salary) AS "DIFFERENCE"
FROM employees;
  1. 查询各个管理者手下员工的最低工资，其中最低工资不能低于6000，没有管理者的员工不计算在内
1
2
3
4
5
SELECT manager_id,MIN(salary) AS "min_sal"
FROM employees
WHERE manager_id IS NOT NULL
GROUP BY manager_id
HAVING min_sal >= 6000;
  1. 查询所有部门的名字，location_id，员工数量和平均工资，并按平均工资降序
1
2
3
4
5
6
7
-- 所有部门 --> 部门左外连接
SELECT d.department_name,d.location_id,COUNT(*) AS "Workers",AVG(e.salary) AS "avg_sal"
FROM departments d
LEFT JOIN employees e
ON D.`department_id` = E.`department_id`
GROUP BY d.`department_id`
ORDER BY avg_sal DESC;
  1. 查询每个工种、每个部门的部门名、工种名和最低工
1
2
3
4
5
6
7
8
9
10
11
12
13
14
-- 所有工种，所有部门 --> 满外连接
SELECT e.job_id,d.department_name,MIN(salary) AS "min_sal"
FROM departments d
LEFT JOIN employees e
ON e.`department_id` = d.`department_id`
GROUP BY job_id,department_name
UNION ALL
SELECT job_id,department_name,MIN(salary)
FROM departments d
RIGHT JOIN employees e
ON e.`department_id` = d.`department_id`
WHERE d.`department_id` IS NULL
GROUP BY job_id,department_name
ORDER BY min_sal DESC;