数据库分组查询最大值的问题

这里探讨了分组查询最大值（group-wise-max）的问题。涉及到 SQL 查询语句中的 GROUP BY 子句及链接（JOIN）操做。

问题

本文缘起于 SegmentFault上 的一个问题：
http://segmentfault.com/q/1010000004138670

下面是提问者的表和测试数据：

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);

能够理解成学生信息，简单的 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 |
+----+-------+-----+-------+

问题：如何选出每班中年龄最大者？

第一次尝试

使用 GROUP BY 子句，这一点毫无疑问。

select class, max(age) from test group by class;

+-------+----------+
| class | max(age) |
+-------+----------+
|     1 |       42 |
|     2 |       20 |
|     3 |       33 |
+-------+----------+

结果按 class 分组了，最大年龄也选出来了，可是没有 id 和 name。

第二次尝试

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 |
+----+------+----------+-------+

结果并不正确，各列发生"错位"，年龄 42 的应该是 liu 而不是 qiu，缘由是它违反了下面这条规则：

包含 GROUP BY 的 SQL 语句，被 select 的列要么使用聚合函数，要么出如今GROUP BY 子句中。

上面的 SELECT 语句，id，name 没有出如今 GROUP BY 子句，也没有使用聚合函数，因此它违反了规则，不是一条正确的SQL语句。

第三次尝试

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 |
+----+-------+-----+-------+

结果正确。

这条语句引用了两个表（t1 和 t2），语义上至关于内链接（INNER JOIN）。

第四次尝试

使用内链接改写上面那条语句。

注意：关键字 JOIN，就是指 INNER JOIN。固然你也能够显式地写成 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 |
+----+-------+-----+-------+

第五次尝试

使用左链接（LEFT JOIN）来实现。没有用到 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;

根据定义，左链接会从左表那里返回全部的行，即便在右表中没有匹配的行。

这条语句参考自：The Rows Holding the Group-wise Maximum of a Certain Column

原理在此：JOIN Syntax

摘录以下：

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.

可见，这条语句中的 WHERE 子句，其实能够用任何列做为条件。下面这句也是同样的效果：

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

各组最大值不惟一的状况

把 zheng 的年龄改成 20，那么 class 2 中，qian 和 zheng 的年龄都是最大值 20。

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

如今执行如上查询，结果为：

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

使用内链接和左链接的两条语句，执行结果保持一致，都能显示出各组最大值的多行记录。

补充一些 GROUP BY 的理论知识

GROUP BY 子句将表按列的值分组，列的值相同的分在一组。若是 GROUP BY 后有多个列名，则先按第一列名分组，再按第二列名在组中分组，原则上能够一直分下去，直到在全部基本组中，GROUP BY 子句所指定的列都具备相同的值，HAVING 后的条件是选择基本组的条件。GROUP BY 子句常与汇集函数联用，此时汇集函数以基本组为计算对象。加了 GROUP BY 子句后，SELECT 子句所取的值必须在基本组中是惟一的，即只能是 GROUP BY 子句所指明的列或汇集函数。若无 GROUP BY 子句，则汇集函数以整个表为计算对象，此时 SELECT 子句只能取汇集函数，而不能取某一列。

王能斌，《数据库系统教程》（第二版），3.4.3。