SQL分组统计：子查询能否取代GROUP BY？(含替代方案)

2025-04-30 18:13:10

避开 GROUP BY？用子查询统计各大洲人口超千万国家数量，行得通吗？

写 SQL 时，碰到需要按类别分组统计的需求，比如“统计每个大洲人口超过 1000 万的国家数量”，第一反应通常是 GROUP BY。但有时可能会想：能不能换个思路，比如用子查询来搞定，从而绕开 GROUP BY？

假设我们有这样一个 world 表：

-- world 表结构示例
-- continent (VARCHAR): 大洲名称
-- population (BIGINT): 国家人口
-- name (VARCHAR): 国家名称

问题是：为每个大洲（continent）显示其名称以及人口至少为 1000 万的国家数量。

有人尝试了下面这个使用子查询的 SQL 语句，试图不使用 GROUP BY 来解决：

SELECT x.continent,
       count(x.name) as Total
from world AS x
WHERE 10000000 <= ALL  (select y.population
                        from world AS y
                        WHERE y.continent=x.continent
                        )

这段代码看着似乎有点关联查询的意思，但它真的能实现我们的目标吗？咱们来仔细分析分析。

一、这个子查询错在哪了？

这段 SQL 的核心问题出在 WHERE 10000000 <= ALL (...) 这部分逻辑上。

ALL 的作用：
ALL 关键字要求左侧的值（这里是 10000000）必须满足与子查询返回的所有值的比较关系。在这个例子里，10000000 <= ALL (subquery) 意味着 1000 万必须小于或等于子查询 (select y.population from world AS y WHERE y.continent=x.continent) 返回的 每一个 人口数。
子查询返回什么？
对于外层查询 world AS x 的每一行，内层子查询会选出与 x 所在大洲 (x.continent) 相同的所有国家的人口 (y.population)。
WHERE 条件的实际效果：
结合起来看，WHERE 10000000 <= ALL (...) 这个条件只有在一种情况下才会为真：当前处理的国家 x 所属的大洲里，所有国家 的人口都 大于或等于 1000 万。只要该大洲有一个国家的人口少于 1000 万，那么 ALL 条件就不成立，这个国家 x 所在的行就不会被选中。
聚合函数 COUNT() 的问题：
即使 WHERE 条件筛选出了一些行（也就是那些所有国家人口都 >= 1000万的大洲对应的国家行），外层的 SELECT x.continent, count(x.name) as Total 也有问题。在没有 GROUP BY 子句的情况下使用聚合函数 COUNT()，它通常会计算满足 WHERE 条件的所有行的总数，并且只返回一行结果。至于 x.continent 会显示哪个大洲，这取决于具体的 SQL 数据库实现，通常是这些满足条件的行中的任意一个大洲，并不能按预期那样为每个大洲分别计数。

总结一下： 这个查询并不能统计“每个大洲人口超千万的国家数量”。它实际上是在尝试筛选出那些“所有国家人口都超过千万的大洲”，并且统计方式也有误，无法得到分大洲的计数结果。

二、正确的解法：经典的 GROUP BY

要准确解决这个问题，最直接、清晰且高效的方法就是使用 GROUP BY。

1. 使用 `WHERE` + `GROUP BY`

这是最常见的做法。先用 WHERE 过滤出人口大于等于 1000 万的国家，然后按大洲分组计数。

原理：
- WHERE population >= 10000000：首先筛选出所有人口达到千万级别的国家记录。
- GROUP BY continent：将筛选后的结果按照 continent 字段进行分组，每个大洲形成一个独立的组。
- SELECT continent, COUNT(name)：对每个分组，计算该组内的国家数量（COUNT(name) 或 COUNT(*) 都可以），并选出对应的大洲名称。
代码示例：

SELECT continent, COUNT(name) AS NumberOfCountries
FROM world
WHERE population >= 10000000
GROUP BY continent;

这种方法逻辑清晰，执行效率通常也比较高，数据库系统对 GROUP BY 操作有专门的优化。

2. 使用 `GROUP BY` + `SUM(CASE WHEN ...)` （更灵活）

有时，我们可能想在一个查询里同时展示总国家数和满足条件的国家数。这时可以用条件聚合。

原理：
- GROUP BY continent：按大洲分组。
- SUM(CASE WHEN population >= 10000000 THEN 1 ELSE 0 END)：对每个分组内的每一行进行判断。如果人口满足条件，CASE 表达式返回 1，否则返回 0。SUM() 将这些 1 和 0 加起来，就得到了该大洲满足条件的国家数量。
代码示例：

SELECT
    continent,
    COUNT(name) AS TotalCountriesInContinent, -- 该大洲总国家数（如果需要）
    SUM(CASE WHEN population >= 10000000 THEN 1 ELSE 0 END) AS CountriesOver10M
FROM world
GROUP BY continent;

这种方式更灵活，可以在一次分组查询中完成多种条件的统计。

三、不用 GROUP BY 的替代方案？

虽然 GROUP BY 是标准解法，但如果硬要寻找不显式使用 GROUP BY 的替代方案（比如出于学习目的或特定场景约束），确实存在一些方法，但它们往往更复杂或效率较低。

1. 使用相关子查询 (Correlated Subquery) 在 `SELECT` 子句中

可以在 SELECT 语句中使用一个相关子查询来为每个大洲计算满足条件的国家数。但这需要先获取所有不重复的大洲列表。

原理：
- SELECT DISTINCT continent FROM world: 先获取一个不重复的大洲列表。
- 对于这个列表中的每一个大洲 x.continent，执行一个相关的子查询：(SELECT COUNT(*) FROM world y WHERE y.continent = x.continent AND y.population >= 10000000)。这个子查询会专门去 world 表里查找当前大洲 x.continent 下，人口超过 1000 万的国家，并返回其数量。
代码示例：

SELECT
    x.continent,
    (SELECT COUNT(y.name)
     FROM world AS y
     WHERE y.continent = x.continent AND y.population >= 10000000
    ) AS NumberOfCountries
FROM (SELECT DISTINCT continent FROM world) AS x;

或者，不使用派生表 x

SELECT DISTINCT -- 确保每个大洲只输出一次
    w1.continent,
    (SELECT COUNT(w2.name)
     FROM world AS w2
     WHERE w2.continent = w1.continent AND w2.population >= 10000000
    ) AS NumberOfCountries
FROM world AS w1;

注意事项：
- 性能： 相关子查询可能会对性能产生较大影响，尤其是当 world 表非常大时。对于外层查询的每一行（或每个 distinct continent），子查询都可能需要重新执行一次。数据库优化器可能会尝试优化，但效果不一。
- 可读性： 对比 GROUP BY，这种写法的意图可能不是那么一目了然。
- 需要 DISTINCT： 如果直接从 world 表 SELECT continent 并加上子查询，不加 DISTINCT 会导致每个国家输出一行，重复显示其所属大洲的统计结果，因此需要 DISTINCT continent 或用子查询 (SELECT DISTINCT continent FROM world) 来确保每个大洲只输出一次。

2. 使用窗口函数 (Window Functions)

窗口函数提供了另一种在不“折叠”行的情况下进行聚合计算的方式，也可以用来避免显式的 GROUP BY 聚合。

原理：
- COUNT(*) OVER (PARTITION BY continent)：这是一个窗口函数。PARTITION BY continent 的作用类似于 GROUP BY continent，它将数据按大洲分区。但与 GROUP BY 不同，它不会将行合并，而是在每个分区内计算，并将结果附加到分区内的 每一行 上。
- 首先，我们可能需要过滤数据或在窗口函数内部进行条件计数。SUM(CASE WHEN ... ) OVER() 或者先过滤再 COUNT() OVER()。
- 因为窗口函数为分区内的每一行都添加了计数值，所以最后需要用 DISTINCT 来获取每个大洲唯一的计数值。
代码示例 (先过滤，再用窗口函数计数):

-- 使用 CTE (Common Table Expression) 使其更清晰
WITH FilteredCountries AS (
    SELECT continent, name
    FROM world
    WHERE population >= 10000000
)
SELECT DISTINCT -- 关键：获取每个大洲唯一的统计结果
    continent,
    COUNT(name) OVER (PARTITION BY continent) AS NumberOfCountries
FROM FilteredCountries;

或者，不使用 CTE，直接在子查询中使用

SELECT DISTINCT
    continent,
    CountPerContinent
FROM (
    SELECT
        continent,
        COUNT(name) OVER (PARTITION BY continent) AS CountPerContinent
    FROM world
    WHERE population >= 10000000 -- 先过滤
) AS Sub;

代码示例 (使用条件窗口函数 SUM):

SELECT DISTINCT -- 同样需要 DISTINCT
    continent,
    SUM(CASE WHEN population >= 10000000 THEN 1 ELSE 0 END) OVER (PARTITION BY continent) AS NumberOfCountries
FROM world;

注意事项：
- 数据库支持： 需要数据库系统支持窗口函数（大多数现代关系型数据库都支持）。
- 性能： 窗口函数通常比相关子查询效率高，性能表现接近于 GROUP BY，有时甚至更优（尤其是在需要同时获取聚合值和原始行数据的场景下），但具体取决于数据库实现和数据量。
- 需要 DISTINCT： 和相关子查询方法类似，由于窗口函数会为分区内的每行都计算结果，因此最终需要 DISTINCT 来获得每个大洲一行结果。
- 理解成本： 窗口函数对于初学者来说可能比 GROUP BY 稍微难理解一些。

四、小结

回到最初的问题：那段使用 ALL 的子查询代码，无法正确解决“统计各大洲人口超千万国家数量”的问题。它的逻辑理解就是错误的。

解决这类分组统计问题：

首选方案： GROUP BY。它清晰、直接、高效，是 SQL 中处理聚合的标准方式。
替代方案：
- SELECT 中的相关子查询 ：可行，但要注意潜在的性能问题和可读性。
- 窗口函数 (COUNT/SUM OVER(PARTITION BY ...)) ：功能强大且性能较好，是现代 SQL 中 GROUP BY 的一个有力补充，尤其适合需要在保留原始行细节的同时进行聚合计算的场景。在纯粹的分组统计场景下，需要配合 DISTINCT 使用。