查看原文
其他

容易被轻视的主角,神奇的 SQL 之 HAVING

程序猿DD 2021-05-26

作者 | 青石路

来源 | https://urlify.cn/zyqYf2
初识 HAVING

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

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,因此就有了 HAVING 子句,它用来指定组的条件。我们来看个具体示例就清楚了。

我们有 学生班级表(tbl_student_class) 以及 数据如下 :

DROP TABLE IF EXISTS tbl_student_class; CREATE TABLE tbl_student_class (
  id int(8unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键',
  sno varchar(12NOT NULL COMMENT '学号',
  cno varchar(5NOT NULL COMMENT '班级号',
  cname varchar(50NOT 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 学生人数为 3 的班级 ,这就需要用到 HAVING 了,相信大家都会写

SELECT cno, COUNT(*) nums FROM tbl_student_class GROUP BY cno HAVING COUNT(*) = 3;

Java API版权第一大案,索赔百亿美元,打了10年终于有结果了!

如果我们不使用 HAVING,会是什么样呢

IDEA 配置注释模板

可以看到,除了数量等于 3 的班级之前,其他的班级也被查出来了

我们可以简单总结下:WHERE 先过滤出行,然后 GROUP BY 对行进行分组,HAVING 再对组进行过滤,筛选出我们需要的组

详谈HTTPS SSL/TLS协议原理

HAVING 子句的构成要素

既然 HAVING 操作的对象是组,那么其使用的要素是有一定限制的,能够使用的要素有 3 种:常数 、 聚合函数 和 聚合键 ,聚合键也就是 GROUP BY 子句中指定的列名

示例中的 HAVING COUNT(*) = 3 , COUNT(*) 是聚合函数,3 是常数,都在 3 要素之中;如果有 3 要素之外的条件,会是怎么样呢

SELECT cno, COUNT(*) nums FROM tbl_student_class GROUP BY cno HAVING cname = '影视9班';

执行如上 SQL 会失败,并提示:

[Err] 1054 - Unknown column 'cname' in 'having clause'

在使用 HAVING 子句时,把 GROUP BY 聚合后的结果作为 HAVING 子句的起点,会更容易理解;示例中通过 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,当然就报错了啦

细心的小伙伴应该已经发现,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

HAVING 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。下面结合具体的案例,来感受下 HAVING 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); SELECT * FROM tbl_student_class;

听说过OpenJDK,没说过OpenValueJDK吧?

如何判断是否有编号缺失?

数据量少,我们一眼就能看出来,但是如果数据量上百万行了,用眼就看不出来了吧

不绕圈子了,我就直接写了,相信大家都能看懂(记得和自己想的对比一下)

SELECT '存在缺失的编号' AS gap FROM tbl_student_class HAVING COUNT(*) <> MAX(id) - MIN(id) + 1;

上面的 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)

写的更严谨点,如下(没有 HAVING,不是主角,看一眼就好)

-- 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 gap FROM tbl_student_class;

那如何找出缺失的编号了,欢迎评论区留言

求众数

假设我们有一张表:tbl_student_salary ,记录着毕业生首份工作的年薪

DROP TABLE IF EXISTS tbl_student_salary; CREATE TABLE tbl_student_salary (
  id int(8unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键',
  name varchar(5NOT NULL COMMENT '姓名',
  salary DECIMAL(15,2NOT 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);

平均工资达到了 149000 元,乍一看好像毕业生大多都能拿到很高的工资。然而这个数字背后却有一些玄机,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 语句来求众数了,我们往下看

-- 使用谓词 ALL 求众数
SELECT salary, COUNT(*) AS cnt FROM tbl_student_salary GROUP BY salary HAVING COUNT(*) >= ALL ( SELECT COUNT(*) FROM tbl_student_salary GROUP BY salary);

结果如下

支付宝支付加密规则梳理,写的太好了!

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 cnt FROM tbl_student_salary GROUP BY salary HAVING COUNT(*) >= ( SELECT MAX(cnt) FROM ( SELECT COUNT(*) AS cnt FROM tbl_student_salary GROUP BY salary
        ) TMP
    ) ;

求中位数

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

表 tbl_student_salary 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

那么用 SQL,该如何求中位数呢?做法是,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

查询不包含 NULL 的集合

假设我们有一张学生报告提交记录表:tbl_student_submit_log

DROP TABLE IF EXISTS tbl_student_submit_log; CREATE TABLE tbl_student_submit_log (
  id int(8unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键',
  sno varchar(12NOT NULL COMMENT '学号',
  dept varchar(50NOT 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

现在我们需要从这张表里找出哪些学院的学生全部都提交了报告,这个 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(GROUP BY),然后对组进行条件的过滤,SQL 如下

SELECT dept FROM tbl_student_submit_log GROUP BY dept HAVING 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,使用 CASE 表达式也可以实现同样的功能,而且更加通用

SELECT dept FROM tbl_student_submit_log GROUP BY dept HAVING COUNT(*) = SUMCASE 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》

聚合键条件的归属

我们来看个有趣的东西,还是用表:tbl_student_class

4 个使用率非常高的 Linux 监控工具

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

1、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

2、HAVING 子句的要素

3 个要素:常数、聚合函数 和 聚合键

HAVING 大多数情况下和结合 GROUP BY 来使用,但不是一定要结合 GROUP BY 来使用

3、SQL 的执行顺序

涨姿势:另类的表情域名赚钱大法!!

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

往期推荐

Java API版权第一大案,索赔百亿美元,打了10年终于有结果了!

听说过OpenJDK,没说过OpenValueJDK吧?

2021 年4月数据库流行度排行榜出炉!Snowflake 和 Clickhouse上升迅速!

2021年3月程序员工资统计数据出炉,又拖后腿了……

涨姿势:另类的表情域名赚钱大法!!


如果你喜欢本文,欢迎关注我,订阅更多精彩内容
关注我回复「加群」,加入Spring技术交流群

免费领取:字节跳动资料-图解网络


喜欢的这里报道

↘↘↘

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存