查询反模式 - GroupBy、HAVING的理解

为了最简单地说明问题，我特地设计了一张这样的表。

　　

一、GROUP BY单值规则

　　规则1：单值规则，跟在SELECT后面的列表，对于每个分组来说，必须返回且仅仅返回一个值。

　　典型的表现就是跟在SELECT后面的列，如果没有使用聚合函数，必须出现在GROUP BY子句后面。

　　如下面这个查询报错：

　　

　　因为对于按照部门分组之后，技术部分组有3个编号，销售部分组有2个编号，你让数据库显示哪个呢？

　　如果假设你使用聚合函数COUNT(编号)之后，对于每个部门分组，就只有一个值 - 该部门下的人数：

　　

　　下面来实战下，我们希望查询出每个部门，最高工资的那个人的姓名，部门，工资。

　　

　　Shit，出师不利。第一次实战就错误了，我们来分析下。

　　很明显，上面的姓名列是不符合单值规则的。我们的一厢情愿想法是，MAX(工资)之后，SQL Server就能自动帮我们返回不符合单值规则的'姓名'。但是很遗憾,SQL Server并没有这么做。理由如下：

1. 　　如果两个人的工资相同，那么应该将哪个人的姓名返回?
2. 　　如果我们使用的不是MAX()聚合函数，而是SUM、AVG等聚合函数（没有与之匹配的工资），那么姓名返回哪个？
3. 　　如果在查询语句中使用了两个聚合函数，如MAX(),MIN()。那么应该返回的是MAX工资的姓名，还是MIN工资的姓名呢？

　　综上所述，数据库是不可能能够根据我们输入的一个聚合函数，就帮助我们判断并显示出不符合单值规则的列的。

　　对于MYSQL来说，当有这种不符合单值规则的列时，默认是返回这一组结果的第一条记录。而SQLite是返回最后一条。

　　因此，对于以上查询，我们要另寻解决方案。

　　解决方案1：关联子查询

SELECT 姓名,部门,工资 FROM 工资表 AS T1
WHERE NOT EXISTS (SELECT NULL FROM 工资表 AS T2 WHERE T1.部门 = T2.部门 AND T2.工资 > T1.工资)

　　输出如下：

　　

　　完全符合要求。对于上面的关联子查询，可以理解为：

　　遍历工资表的所有记录，查找不存在比当前记录部门相同且工资还大的记录。

　　虽然，关联子查询的语法非常简单，但是性能并不好。因为对于每一条记录，都要执行一次子查询。

　　解决方案2：衍生表

　　 使用衍生表的思路是，先执行一个子查询，得到一个临时结果集，然后用临时结果集和原表进行INNER JOIN操作。就能得到最高工资的人的信息。

　　

　　刚写出这个SQL语句时，觉得非常妙，理解了之后觉得非常妙。

SELECT 姓名,T1.部门,工资 FROM 工资表 AS T1 INNER JOIN
(
    SELECT 部门,MAX(工资) AS 最高 FROM 工资表    --执行查询，先记录两个字段 部门-最高工资
    GROUP BY 部门
) AS T2        --衍生表T2
ON T1.部门 = T2.部门 AND 工资 = 最高

　　衍生表的方式性能优于关联子查询，因为衍生表的方式只执行了一次子查询。但是它需要一张临时表来存储临时记录。因此，这个方案也并不是最佳的解决方案。

　　解决方案3：使用JOIN + IS NULL

　　这是一个更妙的解决方案，当我们用一个外联结去匹配记录时，当匹配的记录不存在，就会用NULL来代替相应的列。

　　我们先来看一条非常简答的SQL语句：

　　

　　从中你看到了什么？当T2表中，不存在比T1表中工资高的记录时就返回NULL。

　　那么，那么，那么一个IS NULL是不是就解决问题了呢？

　　

　　好妙，好妙的方法，让人拍案叫绝的使用了OUTER JOIN。

　　JOIN解决方案适用于针对大量数据查询并且可伸缩比较时。它总是能比基于子查询的解决方案更好地适应数据量的变量。

　　解决方案4：对额外的列使用聚合函数

　　我们知道，GROUP BY时，SELECT列表必须返回的是单值，那么我们可不可以通过使用聚合函数，让这个列返回单值呢？答案是可以的。

　　

　　其实，返回的数据是有问题的，当工资相同时，它就返回按姓名从大到小排列的第一个姓名。也就是说，当工资相同时，它只能够返回一条记录。

　　我们将聚合函数换成MIN看看。

　　

　　解决方案5：Row_Number() + OVER

　　WITH B AS
　　(
    　　SELECT row_number() OVER(PARTITION BY Name ORDER BY CreateTime) AS part ,Score, Name, CreateTime
    　　FROM xxx
　　)
　　SELECT * FROM B WHERE Part = 1

　　输出如下：

　　

二、HAVING的理解

　　WHERE与HAVING的区别：

• 　　WHERE(分组前过滤)：WHERE不能对聚合函数列进行过滤，因为执行WHERE的时候，分组尚未执行，聚合函数也未执行。
• 　　HAVING(分组后过滤)：主要用于对聚合函数列进行过滤，因为HAVING实在分组之后执行的。HAVING子句只能配合GROUP BY子句使用。没有GROUP BY子句时不能使用HAVING。

　　错误使用WHERE的示例：

　　

　　正确使用WHERE与HAVING的示例：