深色模式
01 · SQL 执行顺序与常见坑:写对比写快更重要
学完你能说出:
- SQL 的执行顺序,以及为什么 WHERE 里不能用 SELECT 起的别名。
- WHERE 和 HAVING 的区别,
COUNT(*)、COUNT(列)、COUNT(DISTINCT 列)的区别。- LEFT JOIN 的两个坑:条件写错位置、关联键重复导致行数膨胀。
先看地图
大数据开发日常写得最多的是 SQL(Hive SQL、Spark SQL)。笔试和面试的 SQL 题,一半考「写对」,一半考窗口函数。本篇讲写对,下一篇讲窗口函数。本篇讲 4 个点:
① 执行顺序 → ② WHERE vs HAVING → ③ COUNT 的几种写法与 NULL → ④ LEFT JOIN 的两个坑
一句话本质
SQL 写的顺序和执行的顺序不一样:先 FROM、JOIN 拿数据,再 WHERE 过滤行,再 GROUP BY 分组、HAVING 过滤组,最后才 SELECT、ORDER BY、LIMIT。很多坑都是没想清楚这个顺序。
生活类比
从全校学生里选出「平均分超过 85 的班级,按平均分排名取前 3」:
- 先拿到全校学生名单(FROM);
- 去掉请假没考试的(WHERE,按人过滤);
- 按班级分组(GROUP BY);
- 只留平均分 > 85 的班(HAVING,按组过滤);
- 写出班级名和平均分(SELECT);
- 排序(ORDER BY),取前 3(LIMIT)。
你不可能在第 2 步就按「班级平均分」去掉人,因为那时还没分组。
一步步看
1. 执行顺序
写的顺序:SELECT → FROM → JOIN → WHERE → GROUP BY → HAVING → ORDER BY → LIMIT
执行顺序:FROM / JOIN → WHERE → GROUP BY → HAVING → SELECT → ORDER BY → LIMIT推论:
| 现象 | 原因 |
|---|---|
| WHERE 里不能用 SELECT 起的别名 | WHERE 执行时 SELECT 还没执行,别名还不存在 |
WHERE 里不能用 SUM()、COUNT() | WHERE 在分组之前,还没有「组」可以聚合 |
| ORDER BY 里可以用别名 | ORDER BY 在 SELECT 之后 |
| GROUP BY 之后,SELECT 只能写分组列和聚合函数 | 一组只输出一行,非分组列不知道取哪个值 |
(Hive、MySQL 有些版本允许在 GROUP BY 里用别名,这是方言扩展,不是标准。)
2. WHERE vs HAVING
sql
SELECT city, SUM(amount) AS total
FROM orders
WHERE dt = '2026-11-20' -- 按行过滤:只要今天的订单(分组前)
GROUP BY city
HAVING SUM(amount) > 10000 -- 按组过滤:只要总额过万的城市(分组后)
ORDER BY total DESC;| WHERE | HAVING | |
|---|---|---|
| 过滤什么 | 行 | 组 |
| 什么时候 | 分组前 | 分组后 |
| 能用聚合函数吗 | 不能 | 能 |
性能提示:能放在 WHERE 里的条件不要放到 HAVING,越早过滤,参与分组的数据越少。
3. COUNT 的几种写法和 NULL
表 t 有 5 行,city 列是:北京、上海、NULL、北京、NULL。
| 写法 | 结果 | 数什么 |
|---|---|---|
COUNT(*) | 5 | 所有行 |
COUNT(1) | 5 | 和 COUNT(*) 一样 |
COUNT(city) | 3 | city 不为 NULL 的行 |
COUNT(DISTINCT city) | 2 | 不为 NULL 的不同值:北京、上海 |
NULL 的其他坑:
WHERE city = NULL永远不成立,要写WHERE city IS NULL;WHERE city != '北京'不会返回 city 为 NULL 的行;SUM、AVG会忽略 NULL:AVG的分母是非 NULL 的行数,不是总行数;NOT IN (子查询)里只要子查询结果有一个 NULL,整个条件就一行都匹配不上,改用NOT EXISTS或 LEFT JOIN 更安全。
4. LEFT JOIN 的两个坑
用户表 u 有 3 个用户(1、2、3),订单表 o 里用户 1 有 2 笔订单(一笔已支付、一笔已取消),用户 2 有 1 笔已取消的订单,用户 3 没有订单。
坑一:对右表的过滤条件写在 WHERE 里,左连接变成了内连接
sql
-- 想要:所有用户 + 他们已支付的订单(没有就显示空)
SELECT u.id, o.order_id
FROM users u LEFT JOIN orders o ON u.id = o.user_id
WHERE o.status = 'paid'; -- 错:只剩用户 1LEFT JOIN 先把用户 3 补成「订单列全是 NULL」的一行,用户 2 的订单状态是已取消;接着 WHERE o.status = 'paid' 把这些行全都过滤掉了,用户 2、3 消失。
sql
SELECT u.id, o.order_id
FROM users u LEFT JOIN orders o ON u.id = o.user_id AND o.status = 'paid'; -- 对:3 个用户都在规律:对右表的筛选写在 ON 里(决定「怎么匹配」);对左表或对 join 结果的筛选写在 WHERE 里。
坑二:关联键在右表重复,行数膨胀
用户 1 有 2 笔订单,join 之后用户 1 变成 2 行。如果之后再 SUM(u.balance),用户 1 的余额会被算两次。
- join 之前先确认关联键在右表是否唯一(
SELECT user_id, COUNT(*) FROM orders GROUP BY user_id HAVING COUNT(*) > 1); - 需要一对一时,先把右表聚合或去重到「一个 key 一行」再 join;
- 写完核对一下:LEFT JOIN 之后的行数应该 ≥ 左表行数,如果远大于左表,就要怀疑膨胀了。
为什么这么设计
为什么要按「先过滤、再分组、再选列」的顺序执行?
- 问题:如果先算 SELECT 里的表达式,再过滤,会为最终被丢掉的行白白计算。
- 方案:先确定数据来源,尽早过滤行,再分组聚合,最后只对剩下的结果计算输出列。
- 好处:参与计算的数据最少。这也是为什么「条件能放 WHERE 就别放 HAVING」。
一句话答法
SQL 先 FROM、JOIN 拿数据,WHERE 过滤行,GROUP BY 分组,HAVING 过滤组,再 SELECT、ORDER BY、LIMIT。先过滤再计算,参与计算的数据最少,所以 WHERE 里不能用别名和聚合函数。
为什么右表的条件要写在 ON 里?
- 问题:LEFT JOIN 的语义是「左表每行都保留,右表匹配不上就补 NULL」。WHERE 在 join 之后执行,对右表列的条件会把补 NULL 的行也过滤掉。
- 方案:把右表的条件写进 ON,它只影响「哪些右表行算匹配上了」,不影响左表行是否保留。
- 好处:保持左连接的语义:所有左表行都在,只是右表部分可能为空。
一句话答法
WHERE 在 join 之后执行,对右表的条件会把补 NULL 的行过滤掉,左连接就退化成内连接;写在 ON 里只影响匹配,左表的行都会保留。
英文术语拆解
| 术语 | 拆开看 | 一句话意思 |
|---|---|---|
| GROUP BY | Group 分组 + By 按照 | 按某列分组 |
| HAVING | 有、具有 | 分组后过滤 |
| LEFT JOIN | Left 左 + Join 连接 | 左表全保留的连接 |
| NULL | 空 | 未知 / 没有值,不等于 0 也不等于空字符串 |
| DISTINCT | 不同的 | 去重 |
面试怎么问
Q:SQL 的执行顺序是什么?
FROM 和 JOIN 先确定数据来源,然后 WHERE 过滤行,GROUP BY 分组,HAVING 过滤分组,接着 SELECT 计算输出列,最后 ORDER BY 排序、LIMIT 截取。所以 WHERE 里不能用 SELECT 的别名,也不能用聚合函数。
Q:WHERE 和 HAVING 有什么区别?
WHERE 在分组前过滤行,不能用聚合函数;HAVING 在分组后过滤组,可以用聚合函数。能用 WHERE 过滤的尽量放在 WHERE,减少参与分组的数据量。
Q:COUNT(*)、COUNT(1)、COUNT(列) 有什么区别?
COUNT(*) 和 COUNT(1) 都统计所有行;COUNT(列) 只统计这一列不为 NULL 的行;COUNT(DISTINCT 列) 统计不为 NULL 的不同值个数。
Q:LEFT JOIN 有哪些容易出错的地方?
一是对右表的过滤条件写在 WHERE 里,会把右表补 NULL 的行过滤掉,左连接变成内连接,应该写在 ON 里;二是关联键在右表不唯一,join 后行数膨胀,后续求和会重复计算,要先把右表去重或聚合到一个 key 一行。
容易混的地方
- ON 和 WHERE 在 INNER JOIN 里效果一样,只有外连接(LEFT / RIGHT / FULL)才有区别。
- NULL 不等于空字符串,也不等于 0;
COUNT(列)会跳过 NULL,但不会跳过空字符串。 AVG(score)忽略 NULL:5 人中 2 人缺考,平均分是 3 人的平均,不是 5 人。- GROUP BY 后 SELECT 非分组列:MySQL 宽松模式可能不报错,但取到哪一行的值是不确定的。
和其他知识的连接
- ← 来自 SQL 执行与优化:那篇讲 MySQL 怎么执行得快,本篇讲怎么写对。
- → 影响 窗口函数经典题:窗口函数在 SELECT 阶段计算,在 WHERE 之后。
- → 影响 数据质量与治理:join 膨胀和 NULL 处理是最常见的数据质量问题来源。
自测 3 问
Q1:SELECT city, SUM(amount) AS total FROM orders WHERE total > 100 GROUP BY city 有什么问题?怎么改?
点开看答案
WHERE 在 SELECT 和 GROUP BY 之前执行,此时既没有别名 total,也还没分组,不能用聚合结果过滤。改成 GROUP BY city HAVING SUM(amount) > 100。
Q2:city 列是「北京、上海、NULL、北京、NULL」,COUNT(*)、COUNT(city)、COUNT(DISTINCT city) 各是多少?
点开看答案
5、3、2。
Q3:「所有用户及其已支付订单」写成 LEFT JOIN orders o ON u.id = o.user_id WHERE o.status = 'paid',结果少了没订单的用户,为什么?
点开看答案
没订单的用户在 LEFT JOIN 后订单列全是 NULL,WHERE o.status = 'paid' 在 join 之后执行,把这些行过滤掉了,相当于内连接。把条件移到 ON 里:ON u.id = o.user_id AND o.status = 'paid'。
✅ 验收清单
- 能默写 SQL 的执行顺序,并用它解释 WHERE 里为什么不能用别名
- 能用一个例子说清 WHERE 和 HAVING 的区别
- 能说出 4 种 COUNT 写法的结果差别和 3 个 NULL 的坑
- 能讲清 LEFT JOIN 的两个坑和改法
下一步该懂什么
- 分组 TopN、去重、连续登录这些高频题 → 窗口函数经典题