好的，各位观众老爷们，咱们今天就来聊聊SQL里一对让人又爱又恨的黄金搭档：GROUP BY 和 HAVING！
想象一下，你开了家水果店，每天进货各种水果，最后你需要统计一下：
- 哪种水果卖得最好？
- 哪些水果的平均单价超过了你的预期？
- 哪些供应商提供的水果总价值最高？
这时候，GROUP BY 和 HAVING 就派上大用场了！它们就像水果店里的智能分析系统，能帮你把杂乱的数据整理成井井有条的报表。
一、GROUP BY：化繁为简的魔法棒
GROUP BY 子句，顾名思义，就是把数据按照一个或多个列进行分组。它就像一个超级分类器，能把相同特征的数据归为一类，方便我们进行统计分析。
1. 基础用法：按水果种类分组
假设我们有张 fruit_sales 表，记录了每天的水果销售情况：
| date | fruit_name | supplier | quantity | price |
|---|---|---|---|---|
| 2023-10-26 | Apple | Farmer John | 10 | 5 |
| 2023-10-26 | Banana | Banana Corp | 20 | 2 |
| 2023-10-26 | Apple | Farmer John | 5 | 5 |
| 2023-10-27 | Banana | Banana Corp | 15 | 2 |
| 2023-10-27 | Orange | Citrus Co | 12 | 4 |
| 2023-10-27 | Apple | Farmer John | 8 | 5 |
如果我们想知道每种水果的总销量，就可以使用 GROUP BY：
SELECT
fruit_name,
SUM(quantity) AS total_quantity
FROM
fruit_sales
GROUP BY
fruit_name;这条SQL语句就像在说：“把 fruit_sales 表里的数据按照 fruit_name 分组，然后计算每组的 quantity 总和，并命名为 total_quantity。”
结果会是这样的：
| fruit_name | total_quantity |
|---|---|
| Apple | 23 |
| Banana | 35 |
| Orange | 12 |
2. 多列分组：更精细的分析
GROUP BY 还可以同时按照多个列进行分组，从而实现更精细的分析。比如，我们想知道每个供应商提供的每种水果的总销量：
SELECT
supplier,
fruit_name,
SUM(quantity) AS total_quantity
FROM
fruit_sales
GROUP BY
supplier,
fruit_name;这样，我们就能看到每个供应商提供的每种水果的具体销售情况了。
3. 与聚合函数搭配：数据洞察的利器
GROUP BY 经常和聚合函数（如 SUM, AVG, COUNT, MAX, MIN）一起使用，从而对分组后的数据进行统计分析。
SUM()：计算总和AVG()：计算平均值COUNT()：计算数量MAX()：计算最大值MIN()：计算最小值
例如，我们可以计算每种水果的平均单价：
SELECT
fruit_name,
AVG(price) AS average_price
FROM
fruit_sales
GROUP BY
fruit_name;二、HAVING：分组后的筛选器
HAVING 子句是 GROUP BY 的好搭档，它用于对分组后的数据进行筛选，就像一个过滤器，只留下符合条件的分组。
1. WHERE vs. HAVING：傻傻分不清楚？
很多新手容易把 WHERE 和 HAVING 搞混，它们的主要区别在于：
WHERE：在分组 之前 进行筛选，针对的是原始数据行。HAVING：在分组 之后 进行筛选，针对的是分组后的结果。
你可以这样理解：WHERE 是在切水果之前挑水果，HAVING 是在切完水果后挑水果拼盘。
2. 基础用法：筛选销量超过阈值的水果
假设我们想找出总销量超过 20 的水果种类：
SELECT
fruit_name,
SUM(quantity) AS total_quantity
FROM
fruit_sales
GROUP BY
fruit_name
HAVING
SUM(quantity) > 20;这条SQL语句就像在说：“把 fruit_sales 表里的数据按照 fruit_name 分组，计算每组的 quantity 总和，然后只保留 total_quantity 大于 20 的分组。”
3. 复杂条件：更灵活的筛选
HAVING 也可以使用复杂的条件表达式，进行更灵活的筛选。例如，我们可以找出平均单价超过 3 且总销量超过 15 的水果种类：
SELECT
fruit_name,
AVG(price) AS average_price,
SUM(quantity) AS total_quantity
FROM
fruit_sales
GROUP BY
fruit_name
HAVING
AVG(price) > 3 AND SUM(quantity) > 15;三、GROUP BY 和 HAVING 的高级用法
掌握了基础用法，咱们再来看看 GROUP BY 和 HAVING 的一些高级技巧，让你的SQL技能更上一层楼。
1. ROLLUP：生成汇总数据
ROLLUP 是 GROUP BY 的一个扩展，它可以生成各个分组的汇总数据，方便我们进行多层次的分析。
例如，我们可以统计每个供应商提供的每种水果的总销量，并生成每个供应商的总销量：
SELECT
supplier,
fruit_name,
SUM(quantity) AS total_quantity
FROM
fruit_sales
GROUP BY
supplier,
fruit_name WITH ROLLUP;结果会是这样的：
| supplier | fruit_name | total_quantity |
|---|---|---|
| Banana Corp | Banana | 35 |
| Banana Corp | NULL | 35 |
| Citrus Co | Orange | 12 |
| Citrus Co | NULL | 12 |
| Farmer John | Apple | 23 |
| Farmer John | NULL | 23 |
| NULL | NULL | 70 |
其中，fruit_name 为 NULL 的行表示该供应商的总销量，supplier 和 fruit_name 都为 NULL 的行表示所有水果的总销量。
2. CUBE：生成所有可能的汇总数据
CUBE 比 ROLLUP 更加强大，它可以生成所有可能的分组组合的汇总数据。
SELECT
supplier,
fruit_name,
SUM(quantity) AS total_quantity
FROM
fruit_sales
GROUP BY
CUBE(supplier, fruit_name);CUBE 会生成以下几种分组的汇总数据：
- (supplier, fruit_name)
- (supplier)
- (fruit_name)
- () (总计)
3. GROUPING SETS：自定义汇总维度
GROUPING SETS 允许我们自定义需要生成汇总数据的分组组合。
例如，我们只想统计每个供应商的总销量和每种水果的总销量：
SELECT
supplier,
fruit_name,
SUM(quantity) AS total_quantity
FROM
fruit_sales
GROUP BY
GROUPING SETS ((supplier), (fruit_name));这样，我们就只得到了每个供应商的总销量和每种水果的总销量，而没有生成 (supplier, fruit_name) 的汇总数据。
四、GROUP BY 和 HAVING 的优化技巧
GROUP BY 和 HAVING 在处理大量数据时可能会比较慢，因此我们需要掌握一些优化技巧，提高查询效率。
1. 索引优化：加速分组和筛选
在 GROUP BY 和 HAVING 中使用的列，最好建立索引，这样可以加速分组和筛选的过程。
2. 减少数据量：提前筛选
如果可能，尽量在 WHERE 子句中提前筛选掉不需要的数据，减少 GROUP BY 和 HAVING 的处理量。
3. 避免在 HAVING 中使用复杂的表达式
尽量避免在 HAVING 子句中使用复杂的表达式，这会降低查询效率。如果必须使用，可以考虑将表达式的结果存储在一个临时表中，然后再进行筛选。
4. 使用 EXPLAIN 分析查询计划
使用 EXPLAIN 命令可以查看SQL查询的执行计划，从而了解查询的瓶颈在哪里，并进行相应的优化。
五、总结
GROUP BY 和 HAVING 是SQL中非常重要的两个子句，它们可以帮助我们对数据进行分组、统计和筛选，从而发现数据背后的规律和价值。掌握了 GROUP BY 和 HAVING 的高级用法和优化技巧，你就能成为真正的SQL高手！
希望这篇文章对你有所帮助，祝你学习愉快！🎉