首页 > 数据库 >Mysql梳理11——聚合函数

Mysql梳理11——聚合函数

时间：2024-10-30 17:49:54浏览次数：9  
标签：11 ... GROUP HAVING Mysql id WHERE 梳理 SELECT

Mysql梳理11——聚合函数

Mysql梳理11——聚合函数

11.1 引言

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。

11.2 聚合函数介绍

11.2.1 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

11.2.2 聚合函数类型

  • AVG()
  • SUM()
  • MAX()
  • MIN()
  • COUNT()
  • 等等

11.2.3 聚合函数语法

SELECT [column，] group function(column)
FROM    table
[WHERE  condition]
[GROUP BY column]
[ORDER BY column];

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。

11.3 具体聚合函数

11.3.1 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

11.3.2 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

11.3.3 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;

在这里插入图片描述
COUNT(expr) 返回expr不为空的记录总数。

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

在这里插入图片描述
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)或count(常量)来替代count(***) ，它是SQL92定义的标准统计行数的语法，跟数据库无关，跟NULL与非NULL无关。

11.4 GROUP BY

11.4.1 基本使用

在这里插入图片描述
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

SELECT department_id, AVG(salary)
FROM employees
GROUP BY department_id ;

在这里插入图片描述

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

11.4.2 使用多个列分组

在这里插入图片描述
可以使用GROUP BY子句将表中的数据分成若干组

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

11.4.3 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;

在这里插入图片描述

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。

11.5 HAVING

11.5.1 基本使用

在这里插入图片描述

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  column,group_function
FROM    table
[WHERE  condition]
[GROUP BY  group_by_expression]
[HAVING    group_condition]
[ORDER BY]

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

在这里插入图片描述
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

11.5.2 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。

11.4 SELECT的执行过程

11.4.1 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
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

11.4.2 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
在这里插入图片描述
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。

11.4.3 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：

  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。
  4. 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。
    SELECT … FROM … WHERE … GROUP BY … HAVING … ORDER BY … LIMIT…
FROM -> WHERE -> GROUP BY -> HAVING -> SELECT 的字段 -> DISTINCT -> ORDER BY -> LIMIT
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

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。

标签：11,...,GROUP,HAVING,Mysql,id,WHERE,梳理,SELECT
From： https://blog.csdn.net/haozihua/article/details/143364404

相关文章

  • 江大白 | 跨界融合创新，基于YOLO11和Ollama的增强OCR文本识别
    本文来源公众号“江大白”，仅用于学术分享，侵权删，干货满满。原文链接：跨界融合创新，基于YOLO11和Ollama的增强OCR文本识别导读本文介绍一种通过自定义YOLOv11和EasyOCR，结合Ollama优化OCR效果的方法，解决了传统OCR在复杂图像中的识别难题，显著提高了准确性，为高精度文本提取提供了有......
  • 蓝桥杯备赛&学习计划 2024.11—2025.4
    学习计划概览2024年11月到12月-巩固基础，学习基本算法。2025年1月到2月-学习中级算法和数据结构。2025年3月-进阶算法学习和刷题练习。2025年4月-复习重点知识，专注于比赛准备。详细周计划2024年11月：基础知识&基础算法第1-2周：复习基本控制结构(循环、条件语......
  • Win11 启用 OpenSSH Server
    Win11启用OpenSSHServer在Unix系统（如Ubuntu）中启用OpenSSHServer是很容易的，在Windows上启用要稍微复杂一些。本文记录一下在Windows上启用OpenSSHServer的过程和可能遇到的问题。添加OpenSSHServer功能Win11预装了OpenSSHClient，但没有预装OpenSSHServer......
  • MySQL敏感数据进行加密的几种方法
    使用MySQL内置的加密函数AES_ENCRYPT和AES_DECRYPT函数方法介绍：AES（AdvancedEncryptionStandard）是一种对称加密算法。在MySQL中，可以使用AES_ENCRYPT函数对数据进行加密，使用AES_DECRYPT函数进行解密。这种加密方式的特点是加密和解密使用相同的密钥。示例：......
  • MySQL如何输出自己的AWR分析报告
    一、启用慢查询日志配置慢查询日志参数编辑MySQL配置文件（通常是my.cnf或my.ini），找到以下参数并进行设置。slow_query_log：将其设置为1以启用慢查询日志。例如：slow_query_log=1。long_query_time：定义查询执行时间的阈值，超过这个时间的查询会被记录到慢查询日志中。单......
  • CF1187题解
    前言这套题相对来讲难度不算高，并且质量也很好，建议尝试CF1187A一眼秒，但我没有考虑s，t只有这一种排列方式，所以取一下\(max(n-s,n-t)\)#include<bits/stdc++.h>usingnamespacestd;intT,n,s,t;intmain(){ scanf("%d",&T); while(T--){ scanf("%d%d%d",&n,&s,&t)......
  • MYSQL索引相关
    原sqlSELECTid,user_id,package_id,term_id,source,type,order_id,code_record_id,created_at,updated_at,version,is_deletedASdeletedFROMtbl_purchased_packageWHERE(ter......
  • MySQL双主配置
    1、配置的前置条件已知A服务器IP=192.168.0.11，B服务器IP=192.168.0.12建议使用相同版本的MySQL，若是小版本跨越一般是兼容的，如A的MySQL版本是5.7.1，B的MySQL版本是5.7.2；配置前需要保证两个数据库的数据一致，建议将A数据库同步到B数据库，以保证配置前A、B两台数据库的数据是一致的；......
  • Oracle、MySQL、ClickHouse的通用AES256加解密如何实现？
     Oracle、MySQL、ClickHouse的通用AES256加解密如何实现？ 前段时间研究了加密算法aes，写了个文档，分享到博客上来。防。1  说明应XXX安全生产需求，对目标库目标表业务字段敏感信息进行加密密文存放，查询时通过解密得到明文进行数据使用，要求使用AES256。目前公司所使用主要......
  • 【GiraKoo】Visual Studio开启Asan提示“LINK fatal error LNK1104 cannot open file
    【解决】VisualStudio开启Asan提示“LINKfatalerrorLNK1104cannotopenfile'LIBVCASAN.lib'”环境VisualStudio2022现象VisualStudio2022提示：LINK:fatalerrorLNK1104:cannotopenfile'LIBVCASAN.lib'原因在VisualStudio的VC++Directories，加入......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99