資料庫分組查詢最大值的問題

adam1q84發表於2015-12-16
資料庫

這裡探討了分組查詢最大值（group-wise-max）的問題。涉及到 SQL 查詢語句中的 GROUP BY 子句及連線（JOIN）操作。

問題

本文緣起於 SegmentFault上 的一個問題：
http://segmentfault.com/q/1010000004138670

下面是提問者的表和測試資料：

create table test (
    id smallint unsigned not null auto_increment,
    name varchar(20) not null,
    age smallint unsigned not null,
    class smallint unsigned not null,
    primary key (id));

insert into test (name, age, class) values
(`wang`, 11, 3), (`qiu`, 22, 1), (`liu`, 42, 1), (`qian`, 20, 2),
(`zheng`, 20, 2), (`li`, 33, 3);

可以理解成學生資訊，簡單的 SELECT 一下：

mysql> select * from test;
+----+-------+-----+-------+
| id | name  | age | class |
+----+-------+-----+-------+
|  1 | wang  |  11 |     3 |
|  2 | qiu   |  22 |     1 |
|  3 | liu   |  42 |     1 |
|  4 | qian  |  20 |     2 |
|  5 | zheng |  20 |     2 |
|  6 | li    |  33 |     3 |
+----+-------+-----+-------+

問題：如何選出每班中年齡最大者？

第一次嘗試

使用 GROUP BY 子句，這一點毫無疑問。

select class, max(age) from test group by class;
+-------+----------+
| class | max(age) |
+-------+----------+
|     1 |       42 |
|     2 |       20 |
|     3 |       33 |
+-------+----------+

結果按 class 分組了，最大年齡也選出來了，但是沒有 id 和 name。

第二次嘗試

新增其它列到 SELECT 子句。

select id, name, max(age), class from test group by class;
+----+------+----------+-------+
| id | name | max(age) | class |
+----+------+----------+-------+
|  2 | qiu  |       42 |     1 |
|  4 | qian |       20 |     2 |
|  1 | wang |       33 |     3 |
+----+------+----------+-------+

結果並不正確，各列發生”錯位”，年齡 42 的應該是 liu 而不是 qiu，原因是它違反了下面這條規則：

包含 GROUP BY 的 SQL 語句，被 select 的列要麼使用聚合函式，要麼出現在GROUP BY 子句中。

上面的 SELECT 語句，id，name 沒有出現在 GROUP BY 子句，也沒有使用聚合函式，所以它違反了規則，不是一條正確的SQL語句。

第三次嘗試

select t1.*
from test t1,
  (select class, max(age) as age from test group by class) t2
where t1.class = t2.class and t1.age = t2.age;
+----+-------+-----+-------+
| id | name  | age | class |
+----+-------+-----+-------+
|  3 | liu   |  42 |     1 |
|  5 | zheng |  22 |     2 |
|  6 | li    |  33 |     3 |
+----+-------+-----+-------+

結果正確。

這條語句引用了兩個表（t1 和 t2），語義上相當於內連線（INNER JOIN）。

第四次嘗試

使用內連線改寫上面那條語句。

注意：關鍵字 JOIN，就是指 INNER JOIN。當然你也可以顯式地寫成 INNER JOIN。

select t1.*
from test t1
join (
  select class, max(age) as age
  from test
  group by class) t2
on t1.class = t2.class and t1.age = t2.age;
+----+-------+-----+-------+
| id | name  | age | class |
+----+-------+-----+-------+
|  3 | liu   |  42 |     1 |
|  5 | zheng |  22 |     2 |
|  6 | li    |  33 |     3 |
+----+-------+-----+-------+

第五次嘗試

使用左連線（LEFT JOIN）來實現。沒有用到 GROUP BY。

select t1.*
from test t1
left join test t2 on t1.class = t2.class and t1.age < t2.age
where t2.class is null;

根據定義，左連線會從左表那裡返回所有的行，即使在右表中沒有匹配的行。

這條語句參考自：The Rows Holding the Group-wise Maximum of a Certain Column

原理在此：JOIN Syntax

摘錄如下：

If there is no matching row for the right table in the ON or USING part in a LEFT JOIN, a row with all columns set to NULL is used for the right table. You can use this fact to find rows in a table that have no counterpart in another table:

SELECT left_tbl.*
  FROM left_tbl LEFT JOIN right_tbl ON left_tbl.id = right_tbl.id
  WHERE right_tbl.id IS NULL;

This example finds all rows in left_tbl with an id value that is not present in right_tbl (that is, all rows in left_tbl with no corresponding row in right_tbl). This assumes that right_tbl.id is declared NOT NULL.

可見，這條語句中的 WHERE 子句，其實可以用任何列作為條件。下面這句也是一樣的效果：

select t1.*
from test t1
left join test t2 on t1.class = t2.class and t1.age < t2.age
where t2.id is null;

各組最大值不唯一的情況

把 zheng 的年齡改為 20，那麼 class 2 中，qian 和 zheng 的年齡都是最大值 20。

update test set age=20 where name=`zheng`;

現在執行如上查詢，結果為：

+----+-------+-----+-------+
| id | name  | age | class |
+----+-------+-----+-------+
|  3 | liu   |  42 |     1 |
|  4 | qian  |  20 |     2 |
|  5 | zheng |  20 |     2 |
|  6 | li    |  33 |     3 |
+----+-------+-----+-------+

使用內連線和左連線的兩條語句，執行結果保持一致，都能顯示出各組最大值的多行記錄。

補充一些 GROUP BY 的理論知識

GROUP BY 子句將表按列的值分組，列的值相同的分在一組。如果 GROUP BY 後有多個列名，則先按第一列名分組，再按第二列名在組中分組，原則上可以一直分下去，直到在所有基本組中，GROUP BY 子句所指定的列都具有相同的值，HAVING 後的條件是選擇基本組的條件。GROUP BY 子句常與聚集函式聯用，此時聚集函式以基本組為計算物件。加了 GROUP BY 子句後，SELECT 子句所取的值必須在基本組中是唯一的，即只能是 GROUP BY 子句所指明的列或聚集函式。若無 GROUP BY 子句，則聚集函式以整個表為計算物件，此時 SELECT 子句只能取聚集函式，而不能取某一列。

王能斌，《資料庫系統教程》（第二版），3.4.3。

相關文章