神奇的SQL，被严重忽视的HAVING，它真的很有魅力 点击关注公众号，“技术干货”及时达！ 开心一刻今天下班，骑着青桔电动车高高兴兴的哼着曲回家，感觉整个世界都是我的 刚到家门口，还未下车，老妈就气冲冲的走过来对我说道：你表哥就比你大一岁，人家都买了奔驰了，50 多万！ 我：表哥那车，舅舅出了 40 多万 老妈：那不还有 10 多万是他自己出的 我：那 10 几万是他丈母娘出的 老妈：你还有脸说，你连个对象都没有！ 老妈走回家，回头望了眼我胯下的青桔，一脸不屑地说道：连个自行车都没有 我：这是电动车！ 老妈：那也不是你的 我低头望了望青桔，差点一脚把它踹开，可想了想，踹坏了赔不起，赶紧找个停车点把车停好吧，不然又多扣五毛钱了 HAVING 回顾关于 SQL 中的 HAVING，相信大家都不陌生，它往往与 GROUP BY 配合使用，为聚合操作指定条件，例如 SELECT name, COUNT(*) FROM table GROUP BY name HAVING COUNT(*) 2说到指定条件，我们最先想到的往往是 WHERE 子句，但 WHERE 子句只能指定行的条件，而不能指定组的条件 集合论 是 SQL 语言的根基，它里面有个 阶 的概念，我们必须掌握，具体可查看：神奇的 SQL 之层级 → 为什么 GROUP BY 之后不能直接引用原表中的列 所以就有了 HAVING 子句，用来指定组的条件，我们来看案例 现有学生班级表 tbl_student_class 以及数据 CREATE TABLE tbl_student_class ( id int(8) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键', sno varchar(12) NOT NULL COMMENT '学号', cno varchar(5) NOT NULL COMMENT '班级号', cname varchar(50) NOT NULL COMMENT '班级名', PRIMARY KEY (id)) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='学生班级表'; -- ------------------------------ Records of tbl_student_class-- ----------------------------INSERT INTO tbl_student_class(sno, cno, cname) VALUES ('20190607001', '0607', '影视7班');INSERT INTO tbl_student_class(sno, cno, cname) VALUES ('20190607002', '0607', '影视7班');INSERT INTO tbl_student_class(sno, cno, cname) VALUES ('20190608003', '0608', '影视8班');INSERT INTO tbl_student_class(sno, cno, cname) VALUES ('20190608004', '0608', '影视8班');INSERT INTO tbl_student_class(sno, cno, cname) VALUES ('20190609005', '0609', '影视9班');INSERT INTO tbl_student_class(sno, cno, cname) VALUES ('20190609006', '0609', '影视9班');INSERT INTO tbl_student_class(sno, cno, cname) VALUES ('20190609007', '0609', '影视9班');我们要查询 学生人数等于3 的班级，这个 SQL 该如何写，相信大家都会，用 HAVING 很容易就实现了 SELECT cno, COUNT(*) nums FROM tbl_student_class GROUP BY cno HAVING COUNT(*) = 3; 如果不使用 HAVING 子句，会是什么样的结果？我们来试试 就是查询各个班的人数，能看出来吧？ 所以我们可以总结下 WHERE 先过滤出行，然后 GROUP BY 对过滤后的行进行分组，HAVING 再对组进行过滤，筛选出我们需要的组 因为 HAVING 操作的对象是组，所以其子句构成要素有限制，只能是 常数，聚合函数，聚合键 聚合键： GROUP BY 子句中指定的列名，可以是一列，也可以是多列 回到前面的案例 SQL，其中 HAVING COUNT(*) = 3，COUNT(*) 就是聚合函数，3 是常数，都在限制中；如果子句中有限制之外的条件，会是什么情况呢，我们来看个案例 SELECT cno, COUNT(*) nums FROM tbl_student_class GROUP BY cno HAVING cname = '影视9班';执行报错，错误信息如下 [Err] 1054 - Unknown column 'cname' in 'having clause' 翻译过来就是：不知道 having 子句中的 cname 列；因为 HAVING 操作的对象是组，而 cname 是 tbl_student_class 行记录的列名，而非组的属性，我们换个角度来理解下：GROUP BY 聚合后的结果（组）是 HAVING 子句的输入数据。我们回到案例，通过 cno 进行聚合后的结果如下 聚合后的这个结果并没有 cname 这个列，那么通过这个列来进行条件处理，肯定就报错了嘛 如果你们细心点，就会发现 HAVING 子句的构成要素和包含 GROUP BY 子句时的 SELECT 子句的构成要素是一样的，都是只能包含 常数 、 聚合函数 和 聚合键 被忽视的魅力HAVING 子句是 SQL 里一个非常重要的功能，是理解 SQL 面向集合这一本质的关键，我们结合几个具体的案例，来感受下 HAVING 那些被忽略的魅力 是否存在缺失的编号 tbl_student_class 表中记录的 id 是连续的（id 的起始值不一定是 1），我们去掉其中 3 条 DELETE FROM tbl_student_class WHERE id IN(2,5,6);此时表中数据如下 问：是否有编号缺失 SQL 该如何实现，你们想想，我提供一种 SELECT '存在缺失的编号' AS gapFROM tbl_student_classHAVING COUNT(*) MAX(id) - MIN(id) + 1;上述 SQL 语句里没有 GROUP BY 子句，此时整张表会被聚合为一组，这种情况下 HAVING 子句也是可以使用的 HAVING 不是一定要和 GROUP BY 一起使用 更严谨的写法如下 -- 无论如何都有结果返回SELECT CASE WHEN COUNT(*) = 0 THEN '表为空' WHEN COUNT(*) MAX(id) - MIN(id) + 1 THEN '存在缺失的编号' ELSE '连续' END AS gapFROM tbl_student_class;延伸下问题：如果有编号缺失，如何找到那些缺失的编号？欢迎评论区留言 众数 有一张表： tbl_student_salary，记录着毕业生首份工作的年薪 CREATE TABLE tbl_student_salary ( id int(8) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键', name varchar(5) NOT NULL COMMENT '姓名', salary DECIMAL(15,2) NOT NULL COMMENT '年薪, 单位元', PRIMARY KEY (id)) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='毕业生年薪标'; insert into tbl_student_salary values (1,'李小龙', 1000000);insert into tbl_student_salary values (2,'李四', 50000);insert into tbl_student_salary values (3,'王五', 50000);insert into tbl_student_salary values (4,'赵六', 50000);insert into tbl_student_salary values (5,'张三', 70000);insert into tbl_student_salary values (6,'张一三', 70000);insert into tbl_student_salary values (7,'张二三', 70000);insert into tbl_student_salary values (8,'张三三', 60000);insert into tbl_student_salary values (9,'张三四', 40000);insert into tbl_student_salary values (10,'张三丰', 30000);如果光从平均工资（149000）来看，感觉毕业生都能拿到很高的工资。但这个平均工资背后却有一些玄机，因为功夫大师李小龙在这一届毕业生中，由于他出众的薪资，将大家的平均薪资拉升了一大截 简单地求平均值有一个缺点，那就是很容易受到离群值（outlier）的影响，这种时候就必须使用更能准确反映出群体趋势的指标，众数（mode）就是其中之一；那么如何用 SQL 来求众数了，请看我表演 -- 使用谓词 ALL 求众数SELECT salary, COUNT(*) AS cntFROM tbl_student_salaryGROUP BY salaryHAVING COUNT(*) = ALL ( SELECT COUNT(*) FROM tbl_student_salary GROUP BY salary);执行结果如下 ALL 谓词用于 NULL 或空集时会出现问题，我们可以用极值函数来代替；这里要求的是元素数最多的集合，因此可以用 MAX 函数 -- 使用极值函数求众数SELECT salary, COUNT(*) AS cntFROM tbl_student_salaryGROUP BY salaryHAVING COUNT(*) = ( SELECT MAX(cnt) FROM ( SELECT COUNT(*) AS cnt FROM tbl_student_salary GROUP BY salary ) TMP ) ;是不是触及到你们的知识盲区了？但你们先别慌，因为后面会让你们更慌 中位数 当平均值不可信时，与众数一样经常被用到的另一个指标是中位数（median），它指的是将集合中的元素按升序排列后恰好位于正中间的元素。如果集合的元素个数为偶数，则取中间两个元素的平均值作为中位数 回到表 tbl_student_salary，共有 10 条记录，那么 张三三, 60000 和 李四, 50000 的平均值 55000 就是中位数 那么问题来了，通过 SQL 如何求中位数？实现也不复杂，将集合里的元素按照大小分为上半部分和下半部分两个子集，同时让这 2 个子集共同拥有集合正中间的元素，这样，共同部分的元素的平均值就是中位数，思路如下图所示 像这样需要根据大小关系生成子集时，就轮到 非等值自连接 出场了 -- 求中位数的SQL 语句：在HAVING 子句中使用非等值自连接SELECT AVG(DISTINCT salary)FROM ( SELECT T1.salary FROM tbl_student_salary T1, tbl_student_salary T2 GROUP BY T1.salary -- S1 的条件 HAVING SUM(CASE WHEN T2.salary = T1.salary THEN 1 ELSE 0 END) = COUNT(*) / 2 -- S2 的条件 AND SUM(CASE WHEN T2.salary = T1.salary THEN 1 ELSE 0 END) = COUNT(*) / 2) TMP;这条 SQL 语句的要点在于比较条件 = COUNT(*)/2 里的等号，加上等号并不是为了清晰地分开子集 S1 和 S2，而是为了让这 2 个子集拥有共同部分；如果去掉等号，将条件改成 COUNT(*)/2 ，那么当元素个数为偶数时，S1 和 S2 就没有共同的元素了，也就无法求出中位数了；加上等号是为了写出通用性更高的 SQL 是不是满头大汗了？但别慌，把 SQL 拆开执行，根据结果来反推每个拆分 SQL 的逻辑含义，慢慢的你们就能理解了 不包含 NULL 的集合 假设我们有一张学生报告提交记录表：tbl_student_submit_log CREATE TABLE tbl_student_submit_log ( id int(8) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键', sno varchar(12) NOT NULL COMMENT '学号', dept varchar(50) NOT NULL COMMENT '学院', submit_date DATE COMMENT '提交日期', PRIMARY KEY (id)) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='学生报告提交记录表'; insert into tbl_student_submit_log values(1,'20200607001', '理学院', '2020-12-12'),(2,'20200607002', '理学院', '2020-12-13'),(3,'20200608001', '文学院', null),(4,'20200608002', '文学院', '2020-12-22'),(5,'20200608003', '文学院', '2020-12-22'),(6,'20200612001', '工学院', null),(7,'20200617001', '经济学院', '2020-12-23');学生提交报告后， submit_date 列会被写入日期，而提交之前是 NULL 问：从这张表里找出哪些学院的学生全部都提交了报告，SQL 该怎么写？ 如果只是用 WHERE submit_date IS NOT NULL 条件进行查询，那文学院也会被包含进来，结果就不正确了，正确的做法应该先以 dept 进行分组，然后对组进行条件的过滤，SQL 如下 SELECT deptFROM tbl_student_submit_logGROUP BY deptHAVING COUNT(*) = COUNT(submit_date);这里其实用到了 COUNT 函数，COUNT(*) 可以用于 NULL ，而 COUNT(列名) 与其他聚合函数一样，要先排除掉 NULL 的行再进行统计 当然，更通用的实现是使用 CASE 表达式 SELECT deptFROM tbl_student_submit_logGROUP BY deptHAVING COUNT(*) = SUM( CASE WHEN submit_date IS NOT NULL THEN 1 ELSE 0 END );其他 不仅仅只是如上的那些场景适用于 HAVING，还有很多其他的场景也是需要用到 HAVING 的，有兴趣的可以去翻阅《SQL进阶教程》 聚合键条件归属我们来看个有趣的东西，还是用表：tbl_student_class 我们发现，聚合键所对应的条件既可以写在 HAVING 子句当中，也可以写在 WHERE 子句当中，虽然条件分别写在 HAVING 子句和 WHERE 子句当中，但是条件的内容，以及返回的结果都完全相同，因此，很多小伙伴就会觉得两种书写方式都没问题，单从结果来看，确实没问题，但其中有一种属于偏离了 SQL 规范的非正规用法，推荐做法是：聚合键所对应的条件应该书写在 WHERE 子句中 ，理由有二 语义更清晰 WHERE 子句和 HAVING 子句的作用是不同的；前面已经说过，HAVING 子句是用来指定 组 的条件的，而 行 所对应的条件应该写在 WHERE 子句中，这样一来，写出来的 SQL 语句不但可以分清两者各自的功能，而且理解起来也更容易 执行速度更快 使用 COUNT 等函数对表中数据进行聚合操作时，DBMS 内部进行排序处理，而排序处理会大大增加机器的负担，从而降低处理速度；因此，尽可能减少排序的行数，可以提高处理速度；通过 WHERE 子句指定条件时，由于排序之前就对数据进行了过滤，那么就减少了聚合操作时的需要排序的记录数量；而 HAVING 子句是在排序之后才对数据进行分组的，与在 WHERE 子句中指定条件比起来，需要排序的数量就会多得多 另外，索引是 WHERE 根据速度优势的另一个有利支持，在 WHERE 子句指定条件所对应的列上创建索引，可以大大提高 WHERE 子句的处理速度 总结SQL 的本质是集合论 集合论是 SQL 语言的根基，只有从集合的角度来思考，才能明白 SQL 的强大威力；学习 HAVING 子句的用法是帮助我们顺利地忘掉面向过程语言的思考方式并理解 SQL 面向集合特性的最为有效的方法 HAVING 子句的三要素 常数、聚合函数 和 聚合键 HAVING 与 WHERE WHERE 子句是指定行所对应的条件，而 HAVING 子句是指定组所对应的条件；能放到 WHERE 子句的条件统统放到 WHERE 子句中，这样能够减少需要分组的记录数，从而提高分组后操作的效率 点击关注公众号，“技术干货”及时达！ 阅读原文