MySQL中的聚合函数

MySQL中的聚合函数

文章目录

​​五种常用的聚合函数​​

​​什么是聚合函数​​​​AVG和SUM函数​​​​MIN和MAX函数​​​​COUNT函数​​

​​有关COUNT的效率问题​​

​​GROUP BY​​

​​基本实现​​​​使用多个列分组​​​​GROUP BY中使用WITH ROLLUP​​

​​HAVING​​

​​HAVING的使用​​​​WHERE和HAVING的对比​​

五种常用的聚合函数

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函数：求平均值 SUM函数：求总和

AVG / SUM ：只适用于数值类型的字段（或变量）

例如：

SELECT AVG(salary),SUM(salary),AVG(salary) * 107FROM employees;

结果：

MIN和MAX函数

MIN函数：求最小值 MAX函数：求最大值

可以对任意数据类型的数据使用 MIN 和 MAX 函数。

例如：

SELECT MAX(salary),MIN(salary)FROM employees;SELECT MAX(last_name),MIN(last_name),MAX(hire_date),MIN(hire_date)FROM employees;

结果：

既然在ORDER BY中字符串可以排序，那么显然字符串是有大有小的，在MySQL中会根据字符串的ASCII码值进行大小的比较。（先比较第一个字符，如果相同则继续往后比较，如此继续下去）

COUNT函数

COUNT函数：计算指定字段在查询结构中出现的个数

注意：计算指定字段出现的个数时，是不计算NULL值的。

例如：

SELECT COUNT(employee_id),COUNT(salary),COUNT(2 * salary),COUNT(1),COUNT(2),COUNT(*)FROM employees ;

结果：

注：employees表中一共有107条员工的信息，有些员工的相关字段会有NULL值

公式：AVG = SUM / COUNT

SELECT AVG(commission_pct),SUM(commission_pct)/COUNT(commission_pct),SUM(commission_pct) / 107FROM employees;

结果：

由此我们可知：SUM函数、AVG函数是不会把NULL值计算进去的

有关COUNT的效率问题

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)

GROUP BY

基本实现

作用：将表中的数据分成若干组

语法：

SELECT column, group_function(column)FROM table[WHERE condition][GROUP BY group_by_expression][ORDER BY column];

使用多个列分组

例如：

SELECT department_id dept_id, job_id, SUM(salary)FROM employeesGROUP BY department_id, job_id ;

结果：

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。 例如：

SELECT department_id,AVG(salary)FROM employeesGROUP BY department_id WITH ROLLUP;

结果：

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。

HAVING

HAVING的使用

HAVING的作用：过滤

使用要求：

例如：

SELECT department_id,MAX(salary)FROM employeesGROUP BY department_idHAVING 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。

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。

例如：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

SELECT department_id,MAX(salary)FROM employeesWHERE department_id IN (10,20,30,40)GROUP BY department_idHAVING MAX(salary) > 10000;

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。