SQL之SELECT使用篇
- 第03章：基本的SELECT语句
- 第04章：运算符
- 第05章：排序与分页
- 第06章：多表查询
- 第07章：单行函数
- 第08章：聚合函数
- 第09章：子查询
我们上一章讲到了 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。
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
- 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。
1.1 AVG和SUM函数
可以对数值型数据使用AVG 和 SUM 函数。
SELECTAVG(salary),MAX(salary),MIN(salary),SUM(salary)FROMemployeesWHEREjob_idLIKE'%REP%';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。
SELECTMIN(hire_date),MAX(hire_date)FROMemployees;1.3 COUNT函数
- COUNT(*)返回表中记录总数，适用于任意数据类型。
SELECTCOUNT(*)FROMemployeesWHEREdepartment_id=50;- COUNT(expr) 返回expr不为空的记录总数。
SELECTCOUNT(commission_pct)FROMemployeesWHEREdepartment_id=50;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。
2. GROUP BY
2.1 基本使用
可以使用GROUP BY子句将表中的数据分成若干组
SELECTcolumn,group_function(column)FROMtable[WHEREcondition][GROUPBYgroup_by_expression][ORDERBYcolumn];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
SELECTdepartment_id,AVG(salary)FROMemployeesGROUPBYdepartment_id;包含在 GROUP BY 子句中的列不必包含在SELECT 列表中
SELECTAVG(salary)FROMemployeesGROUPBYdepartment_id;2.2 使用多个列分组
SELECTdepartment_id dept_id,job_id,SUM(salary)FROMemployeesGROUPBYdepartment_id,job_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。
SELECTdepartment_id,AVG(salary)FROMemployeesWHEREdepartment_id>80GROUPBYdepartment_idWITH 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
- 行已经被分组。
- 使用了聚合函数。
- 满足HAVING 子句中条件的分组将被显示。
- HAVING 不能单独使用，必须要跟 GROUP BY 一起使用。
SELECTdepartment_id,MAX(salary)FROMemployeesGROUPBYdepartment_idHAVINGMAX(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：
SELECTdepartment_id,AVG(salary)FROMemployeesWHEREAVG(salary)>8000GROUPBYdepartment_id;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。
小结如下：
| 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。
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GROUPBY...,...HAVING包含组函数的过滤条件ORDERBY...ASC/DESCLIMIT...,...#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GROUPBY...,...HAVING包含组函数的过滤条件ORDERBY...ASC/DESCLIMIT...,...#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
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：
SELECTDISTINCTplayer_id,player_name,count(*)asnum# 顺序 5FROMplayerJOINteamONplayer.team_id=team.team_id# 顺序 1WHEREheight>1.80# 顺序 2GROUPBYplayer.team_id# 顺序 3HAVINGnum>2# 顺序 4ORDERBYnumDESC# 顺序 6LIMIT2# 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：
- 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；
- 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；
- 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。
笔记
# 聚合函数#1. 常见的几个聚合函数#1.1 AVG / SUM ：只适用于数值类型的字段（或变量）SELECTAVG(salary),SUM(salary),AVG(salary)*107FROMemployees;#如下的操作没有意义SELECTSUM(last_name),AVG(last_name),SUM(hire_date)FROMemployees;#1.2 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）SELECTMAX(salary),MIN(salary)FROMemployees;SELECTMAX(last_name),MIN(last_name),MAX(hire_date),MIN(hire_date)FROMemployees;#1.3 COUNT：# ① 作用：计算指定字段在查询结构中出现的个数（不包含NULL值的）SELECTCOUNT(employee_id),COUNT(salary),COUNT(2*salary),COUNT(1),COUNT(2),COUNT(*)FROMemployees;SELECT*FROMemployees;#如果计算表中有多少条记录，如何实现？#方式1：COUNT(*)#方式2：COUNT(1)#方式3：COUNT(具体字段) : 不一定对！#② 注意：计算指定字段出现的个数时，是不计算NULL值的。SELECTCOUNT(commission_pct)FROMemployees;SELECTcommission_pctFROMemployeesWHEREcommission_pctISNOTNULL;#③ 公式：AVG = SUM / COUNTSELECTAVG(salary),SUM(salary)/COUNT(salary),AVG(commission_pct),SUM(commission_pct)/COUNT(commission_pct),SUM(commission_pct)/107FROMemployees;#需求：查询公司中平均奖金率#错误的！SELECTAVG(commission_pct)FROMemployees;#正确的：SELECTSUM(commission_pct)/COUNT(IFNULL(commission_pct,0)),AVG(IFNULL(commission_pct,0))FROMemployees;# 如何需要统计表中的记录数，使用COUNT(*)、COUNT(1)、COUNT(具体字段) 哪个效率更高呢？# 如果使用的是MyISAM 存储引擎，则三者效率相同，都是O(1)# 如果使用的是InnoDB 存储引擎，则三者效率：COUNT(*) = COUNT(1)> COUNT(字段)#其他：方差、标准差、中位数#2. GROUP BY 的使用#需求：查询各个部门的平均工资，最高工资SELECTdepartment_id,AVG(salary),SUM(salary)FROMemployeesGROUPBYdepartment_id#需求：查询各个job_id的平均工资SELECTjob_id,AVG(salary)FROMemployeesGROUPBYjob_id;#需求：查询各个department_id,job_id的平均工资#方式1：SELECTdepartment_id,job_id,AVG(salary)FROMemployeesGROUPBYdepartment_id,job_id;#方式2：SELECTjob_id,department_id,AVG(salary)FROMemployeesGROUPBYjob_id,department_id;#错误的！SELECTdepartment_id,job_id,AVG(salary)FROMemployeesGROUPBYdepartment_id;#结论1：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2：GROUP BY 声明在FROM后面、WHERE后面，ORDER BY 前面、LIMIT前面#结论3：MySQL中GROUP BY中使用WITH ROLLUPSELECTdepartment_id,AVG(salary)FROMemployeesGROUPBYdepartment_idWITH ROLLUP;#需求：查询各个部门的平均工资，按照平均工资升序排列SELECTdepartment_id,AVG(salary)avg_salFROMemployeesGROUPBYdepartment_idORDERBYavg_salASC;#说明：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。#错误的：SELECTdepartment_id,AVG(salary)avg_salFROMemployeesGROUPBYdepartment_idWITH ROLLUPORDERBYavg_salASC;#3. HAVING的使用 (作用：用来过滤数据的)#练习：查询各个部门中最高工资比10000高的部门信息#错误的写法：SELECTdepartment_id,MAX(salary)FROMemployeesWHEREMAX(salary)>10000GROUPBYdepartment_id;#要求1：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，报错。#要求2：HAVING 必须声明在 GROUP BY 的后面。#正确的写法：SELECTdepartment_id,MAX(salary)FROMemployeesGROUPBYdepartment_idHAVINGMAX(salary)>10000;#要求3：开发中，我们使用HAVING的前提是SQL中使用了GROUP BY。#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#方式1：推荐，执行效率高于方式2.SELECTdepartment_id,MAX(salary)FROMemployeesWHEREdepartment_idIN(10,20,30,40)GROUPBYdepartment_idHAVINGMAX(salary)>10000;#方式2：SELECTdepartment_id,MAX(salary)FROMemployeesGROUPBYdepartment_idHAVINGMAX(salary)>10000ANDdepartment_idIN(10,20,30,40);#结论：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。# 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。/* WHERE 与 HAVING 的对比 1. 从适用范围上来讲，HAVING的适用范围更广。 2. 如果过滤条件中没有聚合函数：这种情况下，WHERE的执行效率要高于HAVING */#4. SQL底层执行原理#4.1 SELECT 语句的完整结构/* #sql92语法： SELECT ....,....,....(存在聚合函数) FROM ...,....,.... WHERE 多表的连接条件 AND 不包含聚合函数的过滤条件 GROUP BY ...,.... HAVING 包含聚合函数的过滤条件 ORDER BY ....,...(ASC / DESC ) LIMIT ...,.... #sql99语法： SELECT ....,....,....(存在聚合函数) FROM ... (LEFT / RIGHT)JOIN ....ON 多表的连接条件 (LEFT / RIGHT)JOIN ... ON .... WHERE 不包含聚合函数的过滤条件 GROUP BY ...,.... HAVING 包含聚合函数的过滤条件 ORDER BY ....,...(ASC / DESC ) LIMIT ...,.... */#4.2 SQL语句的执行过程：#FROM ...,...-> ON -> (LEFT/RIGNT JOIN) -> WHERE -> GROUP BY -> HAVING -> SELECT -> DISTINCT -># ORDER BY -> LIMIT
