[!info] related notes

• 所属 MOC: database-moc
• 前置概念: sql-join、query
• 并列概念: sql-aggregate-functions
• 易混淆概念:
• 关系笔记: sql-join-group-by-and-aggregation、sql-having-vs-where

SQL GROUP BY

一句话定义

GROUP BY 按一个或多个表达式把结果行划分成组，使聚合函数能够针对“每一组”计算一个结果。

核心机制

SELECT user_id, COUNT(*) AS order_count
FROM orders
GROUP BY user_id;

可以把它理解为先按 user_id 建 bucket：

user 1 -> order A, B, C
user 2 -> order D

然后每个 bucket 分别执行 COUNT。

SELECT 与分组粒度

用了 GROUP BY 后，SELECT 中的值必须能在“每一组”上得到唯一意义：

• 分组键可以直接输出；
• 其他列通常要经过聚合函数。

SELECT user_id, SUM(amount)
FROM orders
GROUP BY user_id;

否则数据库无法知道一组多行中应该取哪一个普通列值。部分数据库会利用函数依赖做额外推断，但学习和跨数据库写法应先坚持这个基本规则。

GROUP BY 不等于排序

GROUP BY 定义分组，不承诺最终输出顺序。需要稳定顺序时显式使用：

ORDER BY ...

与 DISTINCT 的区别

DISTINCT 主要去除重复结果；GROUP BY 的核心价值是建立聚合粒度。只做去重时二者有时能得到相同结果，但语义目的不同。

与 WHERE / HAVING 的位置

心智模型：

FROM / JOIN
→ WHERE 过滤原始行
→ GROUP BY 分组
→ 聚合计算
→ HAVING 过滤组
→ SELECT / ORDER BY

因此“只统计 paid 订单”用 WHERE，“只保留订单数 >= 3 的用户”用 HAVING。

边界与常见误解

• 分组键越细，组越小；先明确业务统计粒度再写 SQL。
• 多表 JOIN 后再 GROUP BY 时，要警惕 JOIN 造成重复行，从而把 COUNT/SUM 放大。
• GROUP BY 是逻辑语义；数据库物理执行可能选择 Hash Aggregate、Sort Aggregate 等不同计划。