數據庫分組查詢最大值的問題

這裏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 子句及鏈接（JOIN）操做。

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數據：

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);

能夠理解成學生信息，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，可是沒有 id 和 name。

第二次嘗試

添加其它列到 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，緣由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數，要麼出如今GROUP BY 子句中。

上面的 SELECT 語句，id，name 沒有出如今 GROUP BY 子句，也沒有使用聚合函數，因此它違反了規則，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），語義上至關於內鏈接（INNER JOIN）。

第四次嘗試

使用內鏈接改寫上面那條語句。

注意：關鍵字 JOIN，就是指 INNER JOIN。固然你也能夠顯式地寫成 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

使用左鏈接（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，左鏈接會從左表那裏返回全部的行，即便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

摘錄以下：

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，其實能夠用任何列做爲條件。下面這句也是同樣的效果：

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

各組最大值不惟一的狀況

把 zheng 的年齡改成 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';

如今執行如上查詢，結果爲：

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

使用內鏈接和左鏈接的兩條語句，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。若是 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，原則上能夠一直分下去，直到在全部基本組中，GROUP BY 子句所指定的列都具備相同的值，HAVING 後的條件是選擇基本組的條件。GROUP BY 子句常與彙集函數聯用，此時彙集函數以基本組爲計算對象。加了 GROUP BY 子句後，SELECT 子句所取的值必須在基本組中是惟一的，即只能是 GROUP BY 子句所指明的列或彙集函數。若無 GROUP BY 子句，則彙集函數以整個表爲計算對象，此時 SELECT 子句只能取彙集函數，而不能取某一列。

王能斌，《數據庫系統教程》（第二版），3.4.3。