引言
在SQL查詢中，數據過濾是核心操作之一。我們常用WHERE子句進行行級過濾，但當需要對分組后的結果進行條件篩選時，HAVING關鍵字便成為不可或缺的工具。本文將深入探討HAVING的作用、使用場景及其與WHERE的區別，并通過實際案例幫助開發者掌握這一關鍵語法。
1. HAVING是什么？
HAVING是SQL中用于對GROUP BY分組后的結果進行條件過濾的關鍵字。它允許我們基于聚合函數（如SUM、AVG、COUNT）或分組后的列值，篩選出符合條件的數據組。
核心特點：
-
分組后過濾：作用于
GROUP BY之后，處理的是“組”而非“行”。 -
支持聚合函數：可直接在條件中使用
SUM()、AVG()等。 -
靈活性：可引用
SELECT中的列別名。
2. 為什么需要HAVING？
假設你需要回答以下業務問題：
-
“哪些客戶的訂單總數超過100件？”
-
“哪個部門的平均工資高于公司整體平均？”
這些問題無法通過WHERE直接實現，因為過濾條件依賴于分組后的計算結果。
此時，HAVING是唯一的選擇。
3. HAVING與WHERE的區別
執行順序：
SQL查詢的執行順序為：
WHERE?→?GROUP BY?→?HAVING?→?ORDER BY?→?LIMIT
這意味著：
-
WHERE在分組前過濾原始數據，減少進入分組的數據量。 -
HAVING在分組后過濾，決定哪些組保留在結果中。
功能對比：
| 特性 | WHERE | HAVING |
|---|---|---|
| 過濾對象 | 原始表的行 | 分組后的組 |
| 聚合函數 | 不可使用 | 必須使用 |
| 性能影響 | 優先使用，減少計算開銷 | 在分組后處理，可能更耗時 |
| 別名支持 | 不支持SELECT中的別名 | 支持 |
?
4. HAVING的經典使用場景
場景1：篩選聚合結果
統計銷售額超過1萬元的商品類別：
SELECT category, SUM(price) AS total_sales
FROM products
GROUP BY category
HAVING total_sales > 10000; -- 直接使用別名場景2：多層條件組合
查詢平均分高于80且不及格次數少于3次的學生：
SELECT student_id, AVG(score) AS avg_score,COUNT(CASE WHEN score < 60 THEN 1 END) AS fail_count
FROM exam_results
GROUP BY student_id
HAVING avg_score >= 80 AND fail_count < 3;場景3：無GROUP BY的HAVING
將整個表視為一個組，篩選總記錄數：
SELECT COUNT(*) AS total_users
FROM users
HAVING total_users > 1000; -- 類似于WHERE，但允許使用聚合5. 實戰案例：電商數據分析
需求：找出2023年訂單金額超過5萬元且退貨率低于5%的客戶。
SELECT customer_id,SUM(order_amount) AS total_spent,COUNT(order_id) AS total_orders,SUM(CASE WHEN is_returned = 1 THEN 1 ELSE 0 END) AS return_count,(return_count / total_orders) * 100 AS return_rate
FROM orders
WHERE YEAR(order_date) = 2023 -- 先過濾2023年數據
GROUP BY customer_id
HAVING total_spent > 50000 AND return_rate < 5;解析：
-
WHERE先過濾掉非2023年的訂單，減少后續計算量。 -
GROUP BY按客戶分組，計算總消費、訂單數、退貨數。 -
HAVING篩選出高消費、低退貨率的優質客戶。
6. 常見錯誤與避坑指南
錯誤1：在WHERE中使用聚合函數
-- 錯誤！WHERE不能處理聚合函數
SELECT department, AVG(salary)
FROM employees
WHERE AVG(salary) > 10000 報錯信息：Invalid use of group function
錯誤2：混淆過濾順序
-- 錯誤邏輯：先按部門分組，再篩選工資>10000的人，導致結果不準確
SELECT department, AVG(salary)
FROM employees
GROUP BY department
HAVING salary > 10000; -- 這里salary已不表示原始行數據！修正：應在WHERE中提前過濾個體數據，再分組計算。
7. 性能優化建議
-
優先使用WHERE：盡可能在分組前用
WHERE減少數據量。
?
-- 優化前（性能差）
SELECT user_id, COUNT(*)
FROM logs
GROUP BY user_id
HAVING COUNT(*) > 100 AND created_at > '2023-01-01';-- 優化后（先過濾時間）
SELECT user_id, COUNT(*)
FROM logs
WHERE created_at > '2023-01-01'
GROUP BY user_id
HAVING COUNT(*) > 100;2.避免復雜HAVING條件：復雜的計算盡量在SELECT中預先定義。
-- 不推薦
HAVING (SUM(income) - SUM(cost)) > 1000;-- 推薦
SELECT ..., (SUM(income) - SUM(cost)) AS profit
GROUP BY ...
HAVING profit > 1000;8. 高級技巧
技巧1：HAVING與CASE結合
動態標記數據組：
SELECT product_category,AVG(price) AS avg_price,CASE WHEN AVG(price) > 100 THEN 'High'ELSE 'Low'END AS price_level
FROM products
GROUP BY product_category
HAVING price_level = 'High'; -- 使用CASE生成的別名技巧2：與窗口函數結合（MySQL 8.0+）
篩選排名前3的銷售員：
SELECT *
FROM (SELECT salesperson_id,SUM(amount) AS total_sales,RANK() OVER (ORDER BY SUM(amount) DESC) AS sales_rankFROM salesGROUP BY salesperson_id
) AS ranked_sales
WHERE sales_rank <= 3; -- 注意：此處仍可用WHERE，因為窗口函數在HAVING后執行9. 總結
HAVING是處理分組后過濾的終極武器，尤其在數據分析場景中不可或缺。記住以下關鍵點：
-
執行順序：
WHERE?→?GROUP BY?→?HAVING。 -
聚合依賴：條件涉及
SUM、AVG等時必用HAVING。 -
性能優先：盡量用
WHERE提前過濾，減少分組計算量。
掌握HAVING的使用，將顯著提升你處理復雜分組查詢的能力。現在，嘗試在你的下一個SQL查詢中實踐它吧！
動手練習：
在熟悉的數據庫中創建一個銷售表，嘗試用HAVING解決以下問題：
-
找出月度銷售額連續3個月超過10萬的店鋪。
-
統計活躍用戶（過去30天登錄≥5次）。
歡迎在評論區分享你的解決方案！ 🚀
