MySQL基础-聚合函数

MySQL基础-聚合函数

一、MySQL的聚合函数

除了之前说的单行函数实际上 SQL 函数还有一类，叫做聚合函数，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.AVG和SUM函数

可以对数值型数据使用 AVG 和 SUM 函数。

1
2
3
4
5
6
7
8
9
mysql> SELECT AVG(salary), MAX(salary), MIN(salary), SUM(salary)
    -> FROM employees
    -> WHERE job_id LIKE '%REP%';
+-------------+-------------+-------------+-------------+
| AVG(salary) | MAX(salary) | MIN(salary) | SUM(salary) |
+-------------+-------------+-------------+-------------+
| 8272.727273 |    11500.00 |     6000.00 |   273000.00 |
+-------------+-------------+-------------+-------------+
1 row in set (0.00 sec)

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。

1
2
3
4
5
6
7
8
mysql> SELECT MIN(hire_date), MAX(hire_date)
    -> FROM employees;
+----------------+----------------+
| MIN(hire_date) | MAX(hire_date) |
+----------------+----------------+
| 1987-06-17     | 2000-04-21     |
+----------------+----------------+
1 row in set (0.00 sec)

3.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
mysql> SELECT COUNT(*)
    -> FROM employees
    -> WHERE department_id = 50;
+----------+
| COUNT(*) |
+----------+
|       45 |
+----------+
1 row in set (0.01 sec)

COUNT(expr)返回 expr 不为空的记录总数，适用于任意数据类型。

1
2
3
4
5
6
7
8
9
mysql> SELECT COUNT(commission_pct)
    -> FROM employees
    -> WHERE department_id = 50;
+-----------------------+
| COUNT(commission_pct) |
+-----------------------+
|                     0 |
+-----------------------+
1 row in set (0.00 sec)

==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 需要实际去数一遍。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 的行。

二、MySQL的分组过滤

1.GROUP BY使用

可以使用 GROUP BY 子句将表中的数据分成若干组，注意在 SELECT 列表中所有未包含在聚合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
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
mysql> SELECT department_id, AVG(salary)
    -> FROM employees
    -> GROUP BY department_id ;
+---------------+--------------+
| department_id | AVG(salary)  |
+---------------+--------------+
|          NULL |  7000.000000 |
|            10 |  4400.000000 |
|            20 |  9500.000000 |
|            30 |  4150.000000 |
|            40 |  6500.000000 |
|            50 |  3475.555556 |
|            60 |  5760.000000 |
|            70 | 10000.000000 |
|            80 |  8955.882353 |
|            90 | 19333.333333 |
|           100 |  8600.000000 |
|           110 | 10150.000000 |
+---------------+--------------+
12 rows in set (0.00 sec)

mysql> SELECT department_id,AVG(salary)
    -> FROM employees
    -> WHERE department_id > 80
    -> GROUP BY department_id WITH ROLLUP;
+---------------+--------------+
| department_id | AVG(salary)  |
+---------------+--------------+
|            90 | 19333.333333 |
|           100 |  8600.000000 |
|           110 | 10150.000000 |
|          NULL | 11809.090909 |
+---------------+--------------+
4 rows in set (0.00 sec)

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聚合值。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。

2.HAVING使用

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
mysql> SELECT department_id, MAX(salary)
    -> FROM employees
    -> GROUP BY department_id
    -> HAVING MAX(salary)>10000 ;
+---------------+-------------+
| department_id | MAX(salary) |
+---------------+-------------+
|            20 |    13000.00 |
|            30 |    11000.00 |
|            80 |    14000.00 |
|            90 |    24000.00 |
|           100 |    12000.00 |
|           110 |    12000.00 |
+---------------+-------------+
6 rows in set (0.00 sec)

==非法使用聚合函数：不能在 WHERE 子句中使用聚合函数。如下==

1
2
3
4
5
mysql> SELECT department_id, AVG(salary)
    -> FROM employees
    -> WHERE AVG(salary) > 8000
    -> GROUP BY department_id;
ERROR 1111 (HY000): Invalid use of group function

推荐用法：聚合函数过滤条件在HAVING中使用，分组字段过滤条件在WHERE中使用，其他过滤条件都在WHERE中使用！

3.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，但不能使用分组聚合函数作为筛选条件；HAVING 必须要与 GROUP BY 配合使用，可以把分组聚合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 SQL 执行顺序中，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聚合函数，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（SQL92语法），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，然后对这个大的结果集进行筛选，这样占用的资源就比较多，执行效率也较低。

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。包含分组聚合函数的条件用 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 可以使用包含分组聚合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。

三、SQL的执行过程

1.SQL的结构和执行顺序

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
#SQL92语法：
SELECT 字段1,字段2,...
FROM 表1,表2,...
WHERE 多表的连接条件
AND 不包含分组聚合函数的过滤条件
GROUP BY 分组字段1,分组字段2,...
HAVING 包含分组聚合函数的过滤条件
ORDER BY ... ASC/DESC
LIMIT Offset, Length

#SQL99语法：
SELECT 字段1,字段2,...
FROM 表1 JOIN 表2
ON 多表的连接条件
JOIN 表3
ON 多表的连接条件
...
WHERE 多表的连接条件
AND 不包含分组聚合函数的过滤条件
GROUP BY 分组字段1,分组字段2,...
HAVING 包含分组聚合函数的过滤条件
ORDER BY ... ASC/DESC
LIMIT Offset, Length

#  执行顺序:
#（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

SQL的执行顺序：

FROM定位表 -> ON连接过滤 -> (LEFT / RIGHT JOIN)外连接引入新行 -> WHERE条件过滤 -> GROUP BY分组 -> HAVING分组过滤 -> SELECT显示特定字段 -> DISTINCT字段去重 -> ORDER BY排序 -> LIMIT输出限制

在 SQL 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。

2.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。
  • 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。

四、课后练习

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;
2.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;
3.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
4.查询员工最高工资和最低工资的差距
1
2
SELECT MAX(salary), MIN(salary), MAX(salary) - MIN(salary) AS "DIFFERENCE"
FROM employees;
5.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)
FROM employees
WHERE manager_id IS NOT NULL
GROUP BY manager_id
HAVING MIN(salary) >= 6000;
6.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
SELECT d.department_name, d.location_id, COUNT(e.employee_id), AVG(e.salary) AS "avg_sal"
FROM employees e RIGHT JOIN departments d
ON e.`department_id` = d.`department_id`
GROUP BY d.department_name
ORDER BY avg_sal DESC;
7.查询每个工种、每个部门的部门名、工种名和最低工资
1
2
3
4
SELECT d.department_name, e.job_id, MIN(e.salary)
FROM departments d LEFT JOIN employees e
ON e.`department_id` = d.`department_id`
GROUP BY d.department_name, e.job_id