文章目录
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) * 107
FROM 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) / 107
FROM 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];
明确：GROUP BY 声明在FROM后面、WHERE后面，ORDER BY 前面、LIMIT前面
使用多个列分组
例如：
SELECT department_id dept_id, job_id, SUM(salary)
FROM employees
GROUP BY department_id, job_id ;
结果：
注意：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。
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 employees
GROUP 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：
- 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。
- HAVING 必须声明在 GROUP BY 的后面。
- 开发中，我们使用HAVING的前提是SQL中使用了GROUP BY。
例如：
SELECT department_id,MAX(salary)
FROM employees
GROUP BY department_id
HAVING 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。
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，最好声明在WHERE中，如此效率更高。
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 employees
WHERE department_id IN (10,20,30,40)
GROUP BY department_id
HAVING MAX(salary) > 10000;