MySQL进阶查询：分组聚合、JOIN防数据放大与排序分页优化

这周带新人调一张报表，SQL写得不算复杂，就是三张表关联后按部门算平均工资。结果一看，技术部门的人均月薪跑出来八十多万，明显不符常理。一开始我还怀疑数据有问题，单独跑每张表行数排查才发现，问题出在两张大表之间存在一对多关系，JOIN 完之后中间结果行数翻了好几倍，后面的 AVG 自然被整体撑大。

这种问题放在“MySQL 基本查询”系列里特别典型：很多人单表 WHERE、ORDER BY 用得溜，一遇到分组统计、关联查询、子查询就开始放飞自我。这篇是第 3 篇，我会集中写清楚平时项目里绕不开的几块内容：GROUP BY 分组聚合、JOIN 关联查数据时怎么防止数据被放大、三种子查询的写法与坑，以及排序和 LIMIT 分页中容易踩的两个线上问题。最后再把 SQL 的书写顺序和执行顺序放在一起讲，让你排查慢查询时能有个方向。

1. 统计需求为什么不能只靠单表扫一眼

1.1 从“找数据”到“算账”，查询思路要换挡

前两篇聊的基本查询，本质上是在做一件事：从表里把符合条件的行检索出来。写 SELECT 指定列、用 WHERE 过滤行、ORDER BY 排序，这些操作解决的是“把某几条数据找出来”的问题，属于一行一行处理数据的思维。

实际业务里更常见的需求是算账，比如“每个部门有多少人”“各个状态订单的总金额是多少”“最近一年每个月的注册用户数”。这类需求的共同点在于，不能再把眼睛盯在某一行上，而是要把很多行划成不同的组，然后对每一组做汇总计算，这个动作在 MySQL 里对应的核心语法就是 GROUP BY，搭配 COUNT、SUM、AVG、MAX、MIN 这些聚合函数一起使用。

如果你只会写“找数据”的查询，遇到统计需求时容易用最笨的办法：先把明细查出来，拉到 Java、Python 或者 Excel 里再用循环累加。数据量小的时候没毛病，十几行数据怎么折腾都行。可一旦上了十万、百万行，把大量明细从数据库拖到应用层做统计，既浪费网络带宽和内存，又慢得让页面直接超时。SQL 里的分组聚合能力，就是为了让你把统计计算下推到数据库引擎，在数据所在的地方直接完成汇总。

1.2 一个全员统计报表跑挂的现场

我开头提到的那个报表坑，拆开看其实很典型。当时的业务背景是统计每个部门的平均工资，比较特殊的是工资变动记录单独存了一张表，一个人可能有多条调薪记录。

他写的 SQL 逻辑大致是：查出员工基础信息，和调薪记录表直接做关联，再按部门 GROUP BY 算平均工资。问题就出在这里。员工表和调薪记录表是典型的一对多关系，比如张三有两条调薪记录，关联后张三会变成两行，部门里每个人的权重被重复计算。如果其他员工只有一条记录，而某几个核心员工有七八条历史调薪记录，他们会对部门平均值产生不成比例的影响。

把这种查询简化成代码如下：

sql复制-- 错误示范：先关联后聚合，明细被放大后 AVG 结果失真
SELECT d.dept_name,
       AVG(e.salary) AS avg_salary
FROM departments d
LEFT JOIN employees e ON d.dept_id = e.dept_id
LEFT JOIN salary_log s ON e.emp_id = s.emp_id
GROUP BY d.dept_name;

表面上看三张表都关联上了，语法没问题，执行也不报错。但 salary_log 表里每个员工可能对应多条工资调整记录，连完之后员工记录出现重复，AVG 就算错了。正确写法是先把 salary_log 这个明细表按员工维度聚合成当前工资，再回到员工表和部门表做关联，或者干脆用子查询先把多行压缩成一行。

所以从这个案例能看出，写统计类 SQL 之前，一定要先想清楚一件事：当前查询的数据粒度是哪一层。粒度理解错了，后面所有写法全白搭。

2. GROUP BY 分组聚合：最基础也最容易写错

2.1 用快递分拣的模型理解 GROUP BY

很多人觉得 GROUP BY 很难，其实在生活里天天见。快递分拣员把全国寄来的包裹按省份丢进不同格口，每个格口里堆着几十上百个包裹。分组之后，你只能针对每个格口问“格口里有多少个包裹”“总重量是多少”“最大包裹多重”，如果非要问“上海这个格口里具体哪一个包裹是寄给张三的”，当场就抓瞎了，因为所有上海的包裹已经混在一起了。

GROUP BY 干的就是分拣这件事。指定 department_id 作为分组字段后，同一个部门的员工被放进同一个分组，接下来 SELECT 的聚合函数就是对每个分组统一计算。假如 SELECT 后面出现了一个普通字段 employee_name，同时又没有对这个字段做任何聚合处理，逻辑上就出问题了：分组里有二十个员工，数据库到底该返回哪一个姓名？MySQL 的 only_full_group_by 模式下会直接报错，写不了这种语句，但就算你在旧版本或关闭这个模式下能跑，返回的结果也是随机取一条，完全没有业务意义。

顺手说一句，我见过不少老项目把 only_full_group_by 关掉，理由是“以