SQL标准中真的有必要有GROUP BY吗答案

【问题标题】：Is it really necessary to have GROUP BY in the SQL standardSQL标准中真的有必要有GROUP BY吗
【发布时间】：2018-02-28 15:14:38
【问题描述】：

在写了几年 SQL 之后，我发现我经常把我感兴趣的列放在 SELECT 中，然后在 GROUP BY 中再次指定它们，这很烦人。我不禁想，我们为什么要这样做？

用户必须具体说明分组依据的原因是什么？我们不能让 SQL 引擎假设如果SELECT 中有聚合函数，则按其余非聚合列分组？

当您在SELECT 中有一个大的CASE WHEN 时，这将特别有用且更简洁。

【问题讨论】：

当您想要对比 SELECT 中表达的属性更多的属性进行分组时，您仍然需要 GROUP BY。例如，如果你想在 A 和 B 上对 R(A,B,C) 进行分组，然后只选择 B 和 SUM(C)，或者类似的东西。
在花了几十年时间为各种风格的 SQL 编写编译器之后，我相当肯定那些编译器作者发现了一些有效的基本原因，可以在他们的每个程序中以几乎相同的方式做同样的事情.我不能说他们是对还是错，但我想很少有人能质疑他们的推理。另外，根据我的经验，允许假设（尤其是在代码中）有时会有点问题。

标签： sql ansi-sql sql-standards

【解决方案1】：

因为它们可能并不总是完全匹配。

例如，如果我想找出每个类别的最大书籍数量，我可以这样做：

select max(cnt)
from (
    select count(*) as cnt
    from books
    group by category
    ) t;

在某些数据库（例如 Oracle）中，您甚至可以这样做：

select max(count(*))
from books
group by category;

我真的不需要指定类别列，因为我不需要它。

Postgres 等少数数据库支持在 group by 子句中使用别名。

【讨论】：

【解决方案2】：

我碰巧有点同意你的看法。如果有人想要更深奥的group by——比如说，省略列——那么他们可以使用子查询。

如果我不得不猜测的话，SQL 的作者并不想在聚合函数中注入如此强大的力量。您的建议意味着select 中的一个函数正在确定结果集中行的定义。通常，select 只是确定列。也就是说，查询失败语法是一回事，因为聚合包含在没有group by 的情况下。 select 中的函数更改正在输出的行是另一回事。

您可以通过select distinct 使用窗口函数。虽然我不推荐语法，但你可以这样做：

select distinct x, count(*) over (partition by x)
from t;

好吧，这消除了group by，但您仍然需要在每个窗口函数中重复分组标准。

【讨论】：

【解决方案3】：

你必须想象你在这里使用了两个版本的表格。例如：

SELECT …
FROM table
GROUP BY …;

首先，请记住SELECT 是在FROM 和GROUP BY 子句之后评估的。这意味着您可以选择的内容受到这些子句的结果的限制。

事情是想象GROUP BY 生成一个新的虚拟表。这个虚拟表只有以下内容：

分组的列
所有列的摘要（聚合）
没有别的

每个不同组都会有一行摘要。

如果您想在 SELECT 子句中添加特定列，它必须是组列或摘要，因为您只能从可用的内容中选择 SELECT。

即使没有GROUP BY 子句，也有一个隐含的GROUP BY ()，它会产生一行摘要。一些 DBMS（不是全部）甚至允许您添加它，尽管它不会改变任何东西。

请注意，GROUP BY 摘要中的行数受您要分组的列数的影响。通常，行数类似于 (DISTINCT Group1)*(DISTINCT GROUP2) 等。这意味着您当然不希望分组超过您真正需要的数量。

例外情况

假设你有这样的陈述：

SELECT state, name, count(*)
FROM customers
GROUP BY state;

这当然会失败。选择一个状态有多个值的name有什么意义？

然而，在传统模式下，MySQL 将允许您这样做：它将选择一个名称以与状态保持一致。但是，不能保证是哪一个，所以它的价值值得怀疑。

假设您想按月分组。您可能希望显示月份名称，但按月份编号排序。在这里，您需要按两者分组。使用伪日期函数：

SELECT monthname, count(*)
FROM data
GROUP BY monthname, monthnumber
ORDER BY monthnumber;

这只不过是一种解决方法。它利用了这样一个事实，即每个月份名称都有一个月份编号，因此没有真正的进一步分组。它只是在GROUP BY 虚拟表中获取两个值。

【讨论】：