MySQL的group by与count(), *字段使用问题

问题

这是一段摘抄自MySQL官网的文字。其大致意思是MySQL拓展了group by的使用，MySQL允许选择没有出现在group by中的字段。换句话说，标准SQL是不允许select column出现没在group by中出现的字段

所以在MySQL中，select * from table group by column是允许的

BUT

select *, count(column) from table group by column是不允许的

我们来简单分析一下原因

group by到底做了什么

1. 扫描表数据:

   • 数据库引擎从表中读取所有行。

2. 按分组列进行排序或哈希:

   • 数据库引擎根据 GROUP BY 子句中指定的列对行进行排序，或使用哈希算法将行分到不同的分组中。不同的数据库系统可能使用不同的实现方式（排序、哈希、甚至混合方法）来高效地实现分组。

3. 分配行到各个分组:

   • 数据库将每一行放入相应的分组。所有具有相同 GROUP BY 列值的行将被分配到同一个分组。

4. 应用聚合函数:

   • 对每个分组应用指定的聚合函数（如 COUNT, SUM, AVG, MAX, MIN 等）。这些聚合函数会对每个分组中的行进行计算，并返回一个聚合结果。

5. 生成输出:

   • 对于每个分组，生成一行输出结果，包含 GROUP BY 列以及聚合函数的计算结果。

举个例子

假设我们有一个简单的表 Sales：

CREATE TABLE Sales (sale_id INT,sale_date DATE,amount DECIMAL(10, 2)
);

INSERT INTO Sales (sale_id, sale_date, amount) VALUES
(1, '2023-06-01', 100.00),
(2, '2023-06-01', 150.00),
(3, '2023-06-02', 200.00),
(4, '2023-06-03', 250.00),
(5, '2023-06-03', 300.00);

我们要按 sale_date 分组，并计算每个日期的总销售额：

SELECT sale_date, SUM(amount) AS total_sales
FROM Sales
GROUP BY sale_date;

执行步骤：

1. 扫描表数据:

   • 数据库读取所有行：(1, ‘2023-06-01’, 100.00), (2, ‘2023-06-01’, 150.00), (3, ‘2023-06-02’, 200.00), (4, ‘2023-06-03’, 250.00), (5, ‘2023-06-03’, 300.00)。

2. 按分组列进行排序或哈希:

   • 数据库根据 sale_date 对数据进行排序或哈希：[‘2023-06-01’, ‘2023-06-01’, ‘2023-06-02’, ‘2023-06-03’, ‘2023-06-03’]。

3. 分配行到各个分组:

   • 数据库将行分配到分组：
     • Group 1 (‘2023-06-01’): (1, ‘2023-06-01’, 100.00), (2, ‘2023-06-01’, 150.00)
     • Group 2 (‘2023-06-02’): (3, ‘2023-06-02’, 200.00)
     • Group 3 (‘2023-06-03’): (4, ‘2023-06-03’, 250.00), (5, ‘2023-06-03’, 300.00)

4. 应用聚合函数:

   • 对每个分组应用 SUM(amount)：
   • Group 1: SUM(100.00, 150.00) = 250.00
   • Group 2: SUM(200.00) = 200.00
   • Group 3: SUM(250.00, 300.00) = 550.00

5. 生成输出:

   • 生成每个分组的输出：
     • (‘2023-06-01’, 250.00)
     • (‘2023-06-02’, 200.00)
     • (‘2023-06-03’, 550.00)

简单来说

说的通俗点就是形成如下数据结构
Map<Column, List> groupBy

• k1 -> [row1, row2, row3]
• k2 -> [row4, row5, row6]

然后迭代groupBy，对每个List做聚合处理

ans = []
for key, values in groupBy:ans.append(key, 聚合函数(values))

为什么select字段，count()不能和*共同使用

通过上述分析不难发现，count() 函数是对**聚合后的List<Row>**使用

加入我们是select *，那么Row中的数据将会包含一行的所有字段，此时的count应该处理的是count函数 中所指定的字段。count处理完成后，将List<Row>聚合成一个值，那么其他的字段呢？其他的字段也要聚合成一个值，但没有聚合规则呀

所以，count()和*理论上不能同时出现在select字段中。因为count只聚合函数指定的字段，而select *则表示数据行出现所有字段。
其中 一个字段制定了聚合规则，从List聚合为value，那其他字段可不知道怎么聚合，处理后依然是List，因此出现了数据维度的差异，所以理论上count()和*不能同时出现

BUT，我们看看这段SQL

依然是能够跑通的，但这是为什么呢？

其实原因很简单。虽然其他字段不知道聚合规则，但要从List聚合为value，随便选一条数据不久完事了。我们从上图可知，对于非聚合字段，MySQL选择了组间第一行数据作为输出

总结

理论上，group by [col1, col2…]只能和select [col1, col2…]配合，也就是如果存在group by，那么select的字段必须出现在group by中

但是MySQL做出了拓展，允许非聚合字段和聚合字段同时出现

并且允许select *, count(col1) from table group by col1这种形式的SQL出现