IT评测·应用市场-qidao123.com技术社区

标题: MySQL的HAVING到底是干什么的？利用场景是什么？底层原理是什么？ [打印本页]

---

作者: 大连全瓷种植牙齿制作中心    时间: 2025-4-13 18:18
标题: MySQL的HAVING到底是干什么的？利用场景是什么？底层原理是什么？
一、MySQL 的 HAVING 是干什么的？

1. 焦点定义

• HAVING：
  
  
  
  • HAVING 是 SQL 中用于对分组后的结果举行筛选的关键字。
    
  • 它通常与 GROUP BY 共同利用，用于过滤聚合函数（如 COUNT、SUM、AVG 等）的结果。
    
  
  

---

二、利用场景

1. 常见利用场景

• 分组统计后筛选：
  
  
  
  • 在分组的基础上筛选符合条件的数据（如订单数目大于 1 的用户）。
    
  
  
• 业务分析：
  
  
  
  • 统计并筛选出满意特定条件的分组数据（如贩卖额凌驾一定阈值的地域）。
    
  
  
• 异常检测：
  
  
  
  • 检测分组后的异常数据（如某类商品的库存低于安全线）。
    
  
  
• 报表天生：
  
  
  
  • 天生符合特定条件的汇总数据。
    
  
  

---

三、底层原理

1. HAVING 的工作机制

• 作用：
  
  
  
  • 提供一种灵活的方式对分组后的结果举行筛选。
    
  
  
• 原理：
  
  
  
  • 分组操作：
    
    
    
    • 利用 GROUP BY 将数据按指定字段分组。
      
    
    
  • 聚合计算：
    
    
    
    • 对每组应用聚合函数（如 COUNT、SUM）。
      
    
    
  • 条件筛选：
    
    
    
    • 利用 HAVING 筛选分组后的结果。
      
    
    
  • 实行操持优化：
    
    
    
    • MySQL 剖析查询并天生实行操持，选择最优的索引和扫描方式。
      
    
    
  
  

---

2. 具体步骤

• 剖析查询：
  
  
  
  • MySQL 剖析 SQL 查询语句，辨认 SELECT、FROM、GROUP BY 和 HAVING 子句。
    
  
  
• 分组操作：
  
  
  
  • 根据 GROUP BY 字段对数据举行分组。
    
  
  
• 聚合计算：
  
  
  
  • 对每个分组应用聚合函数（如 COUNT(*)）。
    
  
  
• 条件筛选：
  
  
  
  • 利用 HAVING 筛选出符合条件的分组。
    
  
  
• 返回结果：
  
  
  
  • 返回筛选后的结果集。
    
  
  

---

四、流程图与概念图

1. 流程图

1. 开始
2.   ↓
3. 解析 SQL 查询
4.   ↓
5. 分组数据（GROUP BY）
6.   ↓
7. 聚合计算（COUNT/SUM/AVG）
8.   ↓
9. 条件筛选（HAVING）
10.   ↓
11. 返回结果
12.   ↓
13. 结束

复制代码

2. 概念图

1. +-------------------+
2. | 数据表            |
3. +-------------------+
4.         ↓
5. +-------------------+
6. | 分组操作          |
7. +-------------------+
8.         ↓
9. +-------------------+
10. | 聚合计算          |
11. +-------------------+
12.         ↓
13. +-------------------+
14. | 条件筛选          |
15. +-------------------+
16.         ↓
17. +-------------------+
18. | 结果返回          |
19. +-------------------+

复制代码

3. UML 类图

1. +-----------------------+
2. | GroupedQueryHandler   |
3. +-----------------------+
4. | + filterWithHaving()  |
5. +-----------------------+

复制代码

4. 头脑导图

1. MySQL HAVING
2. ├── 使用场景
3. │   ├── 分组统计后筛选
4. │   ├── 业务分析
5. │   ├── 异常检测
6. │   └── 报表生成
7. ├── 底层原理
8. │   ├── 分组操作
9. │   ├── 聚合计算
10. │   ├── 条件筛选
11. │   └── 执行计划优化
12. └── 具体步骤
13.     ├── 解析查询
14.     ├── 分组操作
15.     ├── 聚合计算
16.     ├── 条件筛选
17.     └── 返回结果

复制代码

---

五、具体的完整 MySQL 实例代码

以下是一个完整的 MySQL 示例代码，展示怎样利用 HAVING 举行分组筛选。
1. 创建示例表

1. -- 创建订单表
2. CREATE TABLE orders (
3.     order_id INT PRIMARY KEY AUTO_INCREMENT,
4.     user_id INT, -- 用户 ID
5.     amount DECIMAL(10, 2), -- 订单金额
6.     order_date DATE -- 订单日期
7. );
9. -- 插入测试数据
10. INSERT INTO orders (user_id, amount, order_date) VALUES
11. (1, 100.00, '2023-10-01'),
12. (1, 200.00, '2023-10-02'),
13. (2, 150.00, '2023-10-01'),
14. (3, 300.00, '2023-10-01'),
15. (3, 250.00, '2023-10-03'),
16. (3, 400.00, '2023-10-05');

复制代码

注释：

• orders 表包含订单 ID、用户 ID、订单金额和订单日期。
  
• 插入了多个用户的订单数据，其中部分用户有多条订单记录。
  

---

2. 利用 HAVING 查询

1. -- 查询总订单金额大于 500 的用户
2. SELECT
3.     user_id, -- 用户 ID
4.     SUM(amount) AS total_amount -- 统计总订单金额
5. FROM
6.     orders -- 数据来源表
7. GROUP BY
8.     user_id -- 按用户 ID 分组
9. HAVING
10.     SUM(amount) > 500; -- 筛选总订单金额大于 500 的用户

复制代码

注释：

• GROUP BY user_id：将数据按 user_id 分组。
  
• SUM(amount)：统计每组的订单总金额。
  
• HAVING SUM(amount) > 500：筛选总订单金额大于 500 的用户。
  

---

3. 查询结果

假设插入的数据如下：
order_iduser_idamountorder_date11100.002023-10-0121200.002023-10-0232150.002023-10-0143300.002023-10-0153250.002023-10-0363400.002023-10-05 实行查询后，结果如下：
user_idtotal_amount3950.00 注释：

• 用户 3 的总订单金额为 950.00，满意条件。
  
• 用户 1 和用户 2 的总订单金额分别为 300.00 和 150.00，不满意条件。
  

---

六、总结

1. 为什么需要 HAVING？

• 分组统计后筛选：
  
  
  
  • 在分组的基础上筛选符合条件的数据。
    
  
  
• 业务分析：
  
  
  
  • 统计并筛选出满意特定条件的分组数据。
    
  
  
• 异常检测：
  
  
  
  • 检测分组后的异常数据。
    
  
  
• 报表天生：
  
  
  
  • 提供统计数据以支持决议。
    
  
  

2. 底层原理总结

• 分组操作：
  
  
  
  • 利用 GROUP BY 将数据按指定字段分组。
    
  
  
• 聚合计算：
  
  
  
  • 对每组应用聚合函数（如 SUM、COUNT）。
    
  
  
• 条件筛选：
  
  
  
  • 利用 HAVING 筛选分组后的结果。
    
  
  

3. 留意事项

• 性能优化：
  
  
  
  • 确保分组字段上有适当的索引，避免全表扫描。
    
  
  
• 数据量：
  
  
  
  • 对于大数据量的表，需留意查询性能。
    
  
  
• 可读性：
  
  
  
  • 利用清晰的字段名和注释提高代码可读性。
    
  
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

---

欢迎光临 IT评测·应用市场-qidao123.com技术社区 (https://dis.qidao123.com/)

Powered by Discuz! X3.4