GROUP BY 与聚合

GROUP BY 按完整分组键元组划分输入行，为每组维护聚合，再将每组缩成一行结果。增加键列，可以把已有组细分。当前查询中每个源行恰好属于一组，每组恰好输出一行，这两条规则决定数值与结果粒度。

COUNT(*) 数全部行，COUNT(column)、SUM(column)、AVG(column) 忽略该列的 NULL。NULL 出现时，行数与非空值数便不再相同。

GROUP BY 如何工作

例如按地区统计订单与金额：

SELECT
  region,
  COUNT(*)       AS orders,
  COUNT(amount)  AS recorded_amounts,
  SUM(amount)    AS revenue,
  AVG(amount)    AS average_amount
FROM sales
GROUP BY region;

当前键为 (region)；若改成 region、channel，完整键就为二元组，North / online 与 North / store 必须分开。

COUNT(*) 接收组内每行；COUNT(amount) 只计非 NULL 金额；SUM(amount) 加非 NULL 值，全空则为 NULL；AVG(amount) 用非空值总和除以 COUNT(amount)，不是 COUNT(*)。四个聚合产生每组一行中的四列，不是四行。

GROUP BY 逐步演示

默认七行按下列顺序输入，键为 region。

1. o1 创建 North，COUNT(*)=1、COUNT(amount)=1、SUM=120。
2. o2 创建 South，两计数为 1，SUM=90。
3. o3 虽不邻接 o1，键仍是 North，更新为两计数 2、SUM=200。
4. o4 创建 West，两计数 1、SUM=40。
5. o5 回到 South，两计数 2、SUM=150。
6. o6 金额 NULL，North 的 COUNT(*) 从 2 到 3，COUNT(amount) 仍为 2，SUM 仍为 200。
7. o7 更新 West，两计数 2、SUM=150。

结束后 North 的平均为 200 / 2 = 100，不是除以 3；South、West 都为 150 / 2 = 75。各组输出一行：

显示次序是讲解顺序，SQL 需要 ORDER BY 才保证排序。画面左侧保留源表，中间把当前行送入组，右侧写结果。前三行说明机制后加快重复分配，NULL 更新单独放慢，以区分两种计数。

分组粒度怎样改变结果

加 channel 只能细分地区组，不能把原本不同地区合到一起，因为完整键仍含 region。成员变化如下：

North 从一个三行组变成两组，子组成员仍合为 o1、o3、o6，没有丢失或重复。其他地区同理，解释了 3→6，计数栏归纳为 1→3→6。

地区粒度每行表示一个地区，地区加渠道粒度每行表示一对值。下游若把地区总数连接到多个渠道行后再求和，会重复计入；必须明确匹配粒度与再聚合规则。

聚合查询无 GROUP BY 时，整个输入形成一个全局组，返回一行且无分组键列，不是返回原始行。

SQL 规定逻辑结果，不指定物理算法。数据库可哈希键、排序、利用索引、流式处理有序输入或并行合并部分聚合，时间和内存不同，逻辑分组相同。使用前应明确一结果行代表什么、完整键是否表达该粒度、NULL 与分母规则、下游连接是否保持对应粒度。

边界情况

• 两行金额全 NULL：COUNT(*)=2、COUNT(amount)=0、SUM=NULL、AVG=NULL。
• 分组键 NULL 可归为同一组，组合键仍比较完整元组。这与等值连接中 NULL = NULL 不为 TRUE 不同。
• 空输入带 GROUP BY region：没有组，返回零行。
• 空输入的无 GROUP BY 全局聚合：返回一行，两计数 0，SUM 和 AVG 为 NULL。
• 每行键唯一：每组只有一行，结果行数不减少。

常见错误

• 用 SUM(amount)/COUNT(*) 代替 AVG，遇到 NULL 就错。
• GROUP BY region 却直接选择 channel。一个地区可能有两渠道，没有单一组值；应聚合或放入键。标准允许某些函数依赖投影，方言行为也有差别，需明确依赖。
• 按源行相邻关系分组，同键非相邻也属于同组。
• 每个 NULL 行单独开组，相同完整分组键应归在一起。
• 没有 ORDER BY 却依赖一次运行的稳定顺序。
• 看见画布桶就断言物理计划是哈希聚合，桶只表示成员关系。

模型范围

本课展示逻辑分组、聚合 NULL 行为、粒度和行数。省略排序规则、精度溢出、DISTINCT 与有序集聚合、HAVING、分组集、函数依赖规则、优化器、索引、并行部分聚合、事务可见性、方言行为。实际查询需按数据库的 SQL 与执行计划规则核对。