本文將揭示SQL查詢的執行過程，從解析查詢語句到實際資料關聯過程，逐步解讀每個步驟的作用與影響。
來源：Python大數據分析
這是一條標準的查詢語句：
這是我們實際上SQL執行順序：
- 我們先執行from,join來確定表之間的連線關係，得到初步的資料
- where對資料進行普通的初步的篩選
- group by 分組
- 各組分別執行having中的普通篩選或者聚合函式篩選。
- 然後把再根據我們要的資料進行select，可以是普通欄位查詢也可以是獲取聚合函式的查詢結果，如果是集合函式，select的查詢結果會新增一條欄位
- 將查詢結果去重distinct
- 最後合併各組的查詢結果，按照order by的條件進行排序
資料的關聯過程
資料庫中的兩張表
from&join&where
用於確定我們要查詢的表的範圍，涉及哪些表。
選擇一張表，然後用join連線
from table1 join table2 on table1.id=table2.id選擇多張表，用where做關聯條件
from table1,table2 where table1.id=table2.id我們會得到滿足關聯條件的兩張表的資料，不加關聯條件會出現笛卡爾積。
group by
按照我們的分組條件，將資料進行分組，但是不會篩選資料。
比如我們按照即id的奇偶分組
having&where
having中可以是普通條件的篩選，也能是聚合函式。而where只能是普通函式，一般情況下，有having可以不寫where，把where的篩選放在having裡，SQL語句看上去更絲滑。
使用where再group by
先把不滿足where條件的資料刪除，再去分組
使用group by再having
先分組再刪除不滿足having條件的資料，這兩種方法有區別嗎，幾乎沒有！
舉個例子：
100/2=50，此時我們把100拆分 (10+10+10+10+10…)/2=5+5+5+…+5=50,只要篩選條件沒變，即便是分組了也得滿足篩選條件，所以where後group by 和group by再having是不影響結果的！
不同的是，having語法支援聚合函式,其實having的意思就是針對每組的條件進行篩選。我們之前看到了普通的篩選條件是不影響的，但是having還支援聚合函式，這是where無法實現的。
當前資料分組情況
執行having的篩選條件，可以使用聚合函式。篩選掉工資小於各組平均工資的 having salary<avg(salary)
select
分組結束之後，我們再執行select語句，因為聚合函式是依賴於分組的，聚合函式會單獨新增一個查詢出來的欄位，這裡用紫色表示，這裡我們兩個id重複了，我們就保留一個id，重複欄位名需要指向來自哪張表，否則會出現唯一性問題。最後按照使用者名稱去重。
select employee.id,distinct name,salary, avg(salary)
將各組having之後的資料再合併資料。
order by
最後我們執行order by 將資料按照一定順序排序，比如這裡按照id排序。如果此時有limit那麼查詢到相應的我們需要的記錄數時，就不繼續往下查了。
limit
記住limit是最後查詢的，為什麼呢？假如我們要查詢年級最小的三個資料，如果在排序之前就擷取到3個資料。實際上查詢出來的不是最小的三個資料而是前三個資料了，記住這一點。
我們如果limit 0,3竊取前三個資料再排序，實際上最少工資的是2000,3000,4000。你這裡只能是4000,5000,8000了。
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
文章推薦
回顧十週入門數據分析系列文：
關注數據君的臉書：
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！
