容易被輕視的主角，神奇的 SQL 之 HAVING
初識 HAVING
關(guān)于 SQL 中的 HAVING，相信大家都不陌生，它往往與 GROUP BY 配合使用，為聚合操作指定條件
說到指定條件，我們最先想到的往往是 WHERE 子句，但 WHERE 子句只能指定行的條件，而不能指定組的條件，因此就有了 HAVING 子句，它用來指定組的條件。我們來看個具體示例就清楚了。
我們有 學生班級表（tbl_student_class） 以及 數(shù)據(jù)如下 ：
DROP?TABLE?IF?EXISTS?tbl_student_class;?CREATE?TABLE?tbl_student_class?(
??id?int(8)?unsigned?NOT?NULL?AUTO_INCREMENT?COMMENT?'自增主鍵',
??sno?varchar(12)?NOT?NULL?COMMENT?'學號',
??cno?varchar(5)?NOT?NULL?COMMENT?'班級號',
??cname?varchar(50)?NOT?NULL?COMMENT?'班級名',?PRIMARY?KEY?(id)
)?ENGINE=InnoDB?DEFAULT?CHARSET=utf8?COMMENT='學生班級表';?--?----------------------------?--?Records?of?tbl_student_class?--?----------------------------
INSERT?INTO?tbl_student_class(sno,?cno,?cname)?VALUES?('20190607001',?'0607',?'影視7班');?INSERT?INTO?tbl_student_class(sno,?cno,?cname)?VALUES?('20190607002',?'0607',?'影視7班');?INSERT?INTO?tbl_student_class(sno,?cno,?cname)?VALUES?('20190608003',?'0608',?'影視8班');?INSERT?INTO?tbl_student_class(sno,?cno,?cname)?VALUES?('20190608004',?'0608',?'影視8班');?INSERT?INTO?tbl_student_class(sno,?cno,?cname)?VALUES?('20190609005',?'0609',?'影視9班');?INSERT?INTO?tbl_student_class(sno,?cno,?cname)?VALUES?('20190609006',?'0609',?'影視9班');?INSERT?INTO?tbl_student_class(sno,?cno,?cname)?VALUES?('20190609007',?'0609',?'影視9班');
我們要查詢??學生人數(shù)為 3 的班級?，這就需要用到 HAVING 了，相信大家都會寫
SELECT?cno,?COUNT(*)?nums?FROM?tbl_student_class?GROUP?BY?cno?HAVING?COUNT(*)?=?3;
如果我們不使用 HAVING，會是什么樣呢
可以看到，除了數(shù)量等于 3 的班級之前，其他的班級也被查出來了
我們可以簡單總結(jié)下：WHERE 先過濾出行，然后 GROUP BY 對行進行分組，HAVING 再對組進行過濾，篩選出我們需要的組
HAVING 子句的構(gòu)成要素
既然 HAVING 操作的對象是組，那么其使用的要素是有一定限制的，能夠使用的要素有 3 種：?常數(shù)?、?聚合函數(shù)?和?聚合鍵?，聚合鍵也就是 GROUP BY 子句中指定的列名
示例中的?HAVING?COUNT(*)?=?3?， COUNT(*)?是聚合函數(shù)，3 是常數(shù)，都在 3 要素之中；如果有 3 要素之外的條件，會是怎么樣呢
SELECT?cno,?COUNT(*)?nums?FROM?tbl_student_class?GROUP?BY?cno?HAVING?cname?=?'影視9班';
執(zhí)行如上 SQL 會失敗，并提示：
[Err]?1054?-?Unknown?column?'cname'?in?'having?clause'
在使用 HAVING 子句時，把 GROUP BY 聚合后的結(jié)果作為 HAVING 子句的起點，會更容易理解；示例中通過 cno 進行聚合后的結(jié)果如下：
聚合后的這個結(jié)果并沒有?cname?這個列，那么通過這個列來進行條件處理，當然就報錯了啦
細心的小伙伴應(yīng)該已經(jīng)發(fā)現(xiàn)，HAVING 子句的構(gòu)成要素和包含 GROUP BY 子句時的 SELECT 子句的構(gòu)成要素是一樣的，都是只能包含?常數(shù)?、?聚合函數(shù)?和?聚合鍵
HAVING 的魅力
HAVING 子句是 SQL 里一個非常重要的功能，是理解 SQL 面向集合這一本質(zhì)的關(guān)鍵。下面結(jié)合具體的案例，來感受下 HAVING 的魅力
是否存在缺失的編號
tbl_student_class 表中記錄的 id 是連續(xù)的（id 的起始值不一定是 1），我們?nèi)サ羝渲?3 條
DELETE?FROM?tbl_student_class?WHERE?id?IN(2,5,6);?SELECT?*?FROM?tbl_student_class;
如何判斷是否有編號缺失？
數(shù)據(jù)量少，我們一眼就能看出來，但是如果數(shù)據(jù)量上百萬行了，用眼就看不出來了吧
不繞圈子了，我就直接寫了，相信大家都能看懂（記得和自己想的對比一下）
SELECT?'存在缺失的編號'?AS?gap?FROM?tbl_student_class?HAVING?COUNT(*)?<>?MAX(id)?-?MIN(id)?+?1;
上面的 SQL 語句里沒有 GROUP BY 子句，此時整張表會被聚合為一組，這種情況下 HAVING 子句也是可以使用的（HAVING 不是一定要和 GROUP BY 一起使用）
寫的更嚴謹點，如下（沒有 HAVING，不是主角，看一眼就好）
--?無論如何都有結(jié)果返回
SELECT?CASE?WHEN?COUNT(*)?=?0?THEN?'表為空'
????WHEN?COUNT(*)?<>?MAX(id)?-?MIN(id)?+?1?THEN?'存在缺失的編號'
????ELSE?'連續(xù)'?END?AS?gap?FROM?tbl_student_class;
那如何找出缺失的編號了，歡迎評論區(qū)留言
求眾數(shù)
假設(shè)我們有一張表：tbl_student_salary ，記錄著畢業(yè)生首份工作的年薪
DROP?TABLE?IF?EXISTS?tbl_student_salary;?CREATE?TABLE?tbl_student_salary?(
??id?int(8)?unsigned?NOT?NULL?AUTO_INCREMENT?COMMENT?'自增主鍵',
??name?varchar(5)?NOT?NULL?COMMENT?'姓名',
??salary?DECIMAL(15,2)?NOT?NULL?COMMENT?'年薪,?單位元',?PRIMARY?KEY?(id)
)?ENGINE=InnoDB?DEFAULT?CHARSET=utf8?COMMENT='畢業(yè)生年薪標';?insert?into?tbl_student_salary?values?(1,'李小龍',?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,'趙六',?50000);?insert?into?tbl_student_salary?values?(5,'張三',?70000);?insert?into?tbl_student_salary?values?(6,'張一三',?70000);?insert?into?tbl_student_salary?values?(7,'張二三',?70000);?insert?into?tbl_student_salary?values?(8,'張三三',?60000);?insert?into?tbl_student_salary?values?(9,'張三四',?40000);?insert?into?tbl_student_salary?values?(10,'張三豐',?30000);
平均工資達到了 149000?元，乍一看好像畢業(yè)生大多都能拿到很高的工資。然而這個數(shù)字背后卻有一些玄機，因為功夫大師李小龍在這一屆畢業(yè)生中，由于他出眾的薪資，將大家的平均薪資拉升了一大截
簡單地求平均值有一個缺點，那就是很容易受到離群值（outlier）的影響。這種時候就必須使用更能準確反映出群體趨勢的指標——眾數(shù)（mode）就是其中之一
那么如何用 SQL 語句來求眾數(shù)了，我們往下看
--?使用謂詞?ALL?求眾數(shù)
SELECT?salary,?COUNT(*)?AS?cnt?FROM?tbl_student_salary?GROUP?BY?salary?HAVING?COUNT(*)?>=?ALL?(?SELECT?COUNT(*)?FROM?tbl_student_salary?GROUP?BY?salary);
結(jié)果如下
ALL 謂詞用于 NULL 或空集時會出現(xiàn)問題，我們可以用極值函數(shù)來代替；這里要求的是元素數(shù)最多的集合，因此可以用 MAX 函數(shù)
--?使用極值函數(shù)求眾數(shù)
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
????)?;
求中位數(shù)
當平均值不可信時，與眾數(shù)一樣經(jīng)常被用到的另一個指標是中位數(shù)（median）。它指的是將集合中的元素按升序排列后恰好位于正中間的元素。如果集合的元素個數(shù)為偶數(shù)，則取中間兩個元素的平均值作為中位數(shù)
表?tbl_student_salary?有 10 條記錄，那么?張三三,?60000?和?李四,?50000?的平均值?55000?就是中位數(shù)
那么用 SQL，該如何求中位數(shù)呢？做法是，將集合里的元素按照大小分為上半部分和下半部分兩個子集，同時讓這 2 個子集共同擁有集合正中間的元素。這樣，共同部分的元素的平均值就是中位數(shù)，思路如下圖所示
像這樣需要根據(jù)大小關(guān)系生成子集時，就輪到非等值自連接出場了
--?求中位數(shù)的SQL 語句：在HAVING 子句中使用非等值自連接
SELECT?AVG(DISTINCT?salary)?FROM?(?SELECT?T1.salary?FROM?tbl_student_salary?T1,?tbl_student_salary?T2?GROUP?BY?T1.salary?--?S1?的條件
????HAVING?SUM(CASE?WHEN?T2.salary?>=?T1.salary?THEN?1?ELSE?0?END)?>=?COUNT(*)?/?2
????--?S2?的條件
????AND?SUM(CASE?WHEN?T2.salary?<=?T1.salary?THEN?1?ELSE?0?END)?>=?COUNT(*)?/?2?)?TMP;
這條 SQL 語句的要點在于比較條件?>=?COUNT(*)/2?里的等號，加上等號并不是為了清晰地分開子集 S1 和 S2，而是為了讓這 2 個子集擁有共同部分
如果去掉等號，將條件改成?> COUNT(*)/2 ，那么當元素個數(shù)為偶數(shù)時，S1 和 S2 就沒有共同的元素了，也就無法求出中位數(shù)了；加上等號是為了寫出通用性更高的 SQL
查詢不包含 NULL 的集合
假設(shè)我們有一張學生報告提交記錄表：tbl_student_submit_log
DROP?TABLE?IF?EXISTS?tbl_student_submit_log;?CREATE?TABLE?tbl_student_submit_log?(
??id?int(8)?unsigned?NOT?NULL?AUTO_INCREMENT?COMMENT?'自增主鍵',
??sno?varchar(12)?NOT?NULL?COMMENT?'學號',
??dept?varchar(50)?NOT?NULL?COMMENT?'學院',
??submit_date?DATE?COMMENT?'提交日期',?PRIMARY?KEY?(id)
)?ENGINE=InnoDB?DEFAULT?CHARSET=utf8?COMMENT='學生報告提交記錄表';?insert?into?tbl_student_submit_log?values?(1,'20200607001',?'理學院',?'2020-12-12'),
(2,'20200607002',?'理學院',?'2020-12-13'),
(3,'20200608001',?'文學院',?null),
(4,'20200608002',?'文學院',?'2020-12-22'),
(5,'20200608003',?'文學院',?'2020-12-22'),
(6,'20200612001',?'工學院',?null),
(7,'20200617001',?'經(jīng)濟學院',?'2020-12-23');
學生提交報告后，?submit_date?列會被寫入日期，而提交之前是 NULL
現(xiàn)在我們需要從這張表里找出哪些學院的學生全部都提交了報告，這個 SQL 該怎么寫？
如果只是用?WHERE?submit_date?IS?NOT?NULL?條件進行查詢，那文學院也會被包含進來，結(jié)果就不正確了
正確的做法應(yīng)該先以?dept?進行分組（GROUP BY），然后對組進行條件的過濾，SQL 如下
SELECT?dept?FROM?tbl_student_submit_log?GROUP?BY?dept?HAVING?COUNT(*)?=?COUNT(submit_date);
這里其實用到了?COUNT?函數(shù)，COUNT(*) 可以用于 NULL ，而 COUNT(列名) 與其他聚合函數(shù)一樣，要先排除掉 NULL 的行再進行統(tǒng)計
當然，使用 CASE 表達式也可以實現(xiàn)同樣的功能，而且更加通用
SELECT?dept?FROM?tbl_student_submit_log?GROUP?BY?dept?HAVING?COUNT(*)?=?SUM(?CASE?WHEN?submit_date?IS?NOT?NULL?THEN?1
????????ELSE?0?END?);
其他
不僅僅只是如上的那些場景適用于 HAVING，還有很多其他的場景也是需要用到 HAVING 的，有興趣的可以去翻閱《SQL進階教程》
聚合鍵條件的歸屬
我們來看個有趣的東西，還是用表：tbl_student_class
我們發(fā)現(xiàn)，聚合鍵所對應(yīng)的條件既可以寫在 HAVING 子句當中，也可以寫在 WHERE 子句當中
雖然條件分別寫在 HAVING 子句和 WHERE 子句當中，但是條件的內(nèi)容，以及返回的結(jié)果都完全相同，因此，很多小伙伴就會覺得兩種書寫方式都沒問題
單從結(jié)果來看，確實沒問題，但其中有一種屬于偏離了 SQL 規(guī)范的非正規(guī)用法，推薦做法是：?聚合鍵所對應(yīng)的條件應(yīng)該書寫在 WHERE 子句中?，理由有二
語義更清晰
WHERE 子句和 HAVING 子句的作用是不同的；前面已經(jīng)說過，HAVING 子句是用來指定“組”的條件的，而“行”所對應(yīng)的條件應(yīng)該寫在 WHERE 子句中，這樣一來，寫出來的 SQL 語句不但可以分清兩者各自的功能，而且理解起來也更容易
執(zhí)行速度更快
使用 COUNT 等函數(shù)對表中數(shù)據(jù)進行聚合操作時，DBMS 內(nèi)部進行排序處理，而排序處理會大大增加機器的負擔，從而降低處理速度；因此，盡可能減少排序的行數(shù)，可以提高處理速度
通過 WHERE 子句指定條件時，由于排序之前就對數(shù)據(jù)進行了過濾，那么就減少了聚合操作時的需要排序的記錄數(shù)量；而 HAVING 子句是在排序之后才對數(shù)據(jù)進行分組的，與在 WHERE 子句中指定條件比起來，需要排序的數(shù)量就會多得多
另外，索引是 WHERE 根據(jù)速度優(yōu)勢的另一個有利支持，在 WHERE 子句指定條件所對應(yīng)的列上創(chuàng)建索引，可以大大提高 WHERE 子句的處理速度
總結(jié)
1、集合論
集合論是 SQL 語言的根基，只有從集合的角度來思考，才能明白 SQL 的強大威力
學習 HAVING 子句的用法是幫助我們順利地忘掉面向過程語言的思考方式并理解 SQL 面向集合特性的最為有效的方法
2、HAVING 子句的要素
3 個要素：常數(shù)、聚合函數(shù) 和 聚合鍵
HAVING 大多數(shù)情況下和結(jié)合 GROUP BY 來使用，但不是一定要結(jié)合 GROUP BY 來使用
3、SQL 的執(zhí)行順序
WHERE 子句是指定行所對應(yīng)的條件，而 HAVING 子句是指定組所對應(yīng)的條件