【SQL杂谈】区间分组统计

简介

很多时候，我们都使用group by 进行分组，count(*)进行统计，两者结合可以进行聚合统计。
假设我们有这样一张煤矿数据库表。

table name: coalmine
columns: id(煤矿ID, bigint), prod_status(生产状态,varchar), prod_capacity(产能,decimal)

下面围绕这张表，我们探讨一些常见的需求所需要使用到的SQL。

需求方案

需求1：统计各生产状态的煤矿数量

学过SQL的人一眼就看出来，这是一个非常基础的问题。我们只需要按照prod_status进行分组进行聚合统计即可。大致可以写如下的sql：

select prod_status as name, count(*) as num from coalmine group by name;

可以得到如下的输出：

name | num
停产	377
停建	360
关闭	31
准备	1
在建	89
正在复产	3
生产	463
生产/在建	15
生产/试运转	12
试运转	1

非常完美，我们得到了我们想要的数据。

但是现在有了新的需求：统计产能在30以下，30~90，90以上的煤矿数量有多少。现在我们遇到了难题，因为产能字段(prod_capacity)是一个数值，同时统计的依据是一个区间，我们不能单纯的将其作为group by的对象进行操作。

select prod_capacity as name, count(*) as num from coalmine group by name;

这样做的结果，只是按数值进行分组统计。
那么，该怎么办呢？

需求2：区间统计（解法一）

有点基础的读者不难看出，我们可以使用mysql关键字 sum 以及 if 进行操作，大致可以写出如下的SQL。

select
    sum(if(c.prod_capacity is null or c.prod_capacity < 30, 1, 0)) as less30,
    sum(if(c.prod_capacity >= 30 and c.prod_capacity <= 90, 1, 0)) as between39,
    sum(if(c.prod_capacity > 90, 1 , 0)) as gather90
from coalmine c inner join enterprise e on c.enterprise_id = e.id;

c.prod_capacity is null 可以认为prod_capacity字段为空时，认为煤矿的产能低于30.

sum 以及 if 的使用方法可参阅网上教程。执行完毕后，我们可以得到如下的结果：

 less30 | between39 | than90
 1033	330	         25

看起来似乎很美好，只不过没有使用分组排序稍有欠缺，导致最终结果是以一行的方式呈现，这会导致我们在应用程序里面进行实体映射（例如mybatis）时，只能使用扁平结构进行对应（例如Map），这和统一的分组映射实体出现矛盾。当然对于解决问题的结果来说这是无伤大雅的，最终我们还会讲最完美的解法，在此之前，我们先看另一种解决方案。

区间统计（解法二）

mysql有众多函数可以帮助我们完成各种各样的任务，只要我们仔细研究，很多冗余的SQL可以简化的漂亮，关于区间统计，其实还有专门的处理函数，他们分别是 interval 以及 ele。我们来看看他们的用法：

INTERVAL(N,N1,N2,N3,…) INTERVAL()函数进行比较列表(N1，N2，N3等等)中的N值。该函数如果N ELT(N,str1,str2,str3,…) 如果N= 1，返回str1，如果N= 2，返回str2，等等。如果N小于1或大于参数个数，返回NULL。ELT()是FIELD()反运算。

基于此，我们可以写出更漂亮的SQL

 select elt(interval(c.prod_capacity,0,30,90, 100000), 'less30', 'between39', 'than90') as name, count(*)
from coalmine c group by name;

但显然，查询的结果受限非常之大，interval是半区间方式，（即大于等于前者小于后者），这样会导致运用场景非常之有限。当然可以通过其他方式进行优化，但是已经如使用sum、if方式来得方便灵活。

但前者也有问题，就是查询的结果并不是多条记录展示，这样在很多业务系统中，进行bean映射的时候，只能采取hashmap方式进行结果映射。显然其原理还是分组统计，我们希望结果是以多行的形式展示。那么，该如何办到呢？

区间统计（解法三）

可以看到，既然分组的逻辑是一种if else形式的，我们可不可以在mysql里找到这种逻辑的关键字呢？显然是有的，那便是
case语句。以下是其官方文档:

Syntax:
CASE value WHEN [compare_value] THEN result
[WHEN [compare_value] THEN result …]
[ELSE result]
END
或者
CASE WHEN [condition] THEN result
[WHEN [condition]
THEN result …]
[ELSE result]
END

这便是我们要的东西，仔细琢磨一番，可以写出如下的SQL

select 
	case 
      when c.prod_capacity is null or c.prod_capacity < 30 then 'less30' 
      when c.prod_capacity >= 30 and c.prod_capacity <=90 then 'less39'
      when c.prod_capacity > 90 then 'than90'
    end 
    as name, 
    count(*) as num
from coalmine c
group by name;

返回结果如下所示：

name | num
less30	1033
less39	330
than90	25

结语

可以看到，使用case关键字不仅得到了我们想要的结果形式，同时他提供了更灵活的处理逻辑，不论是区间分组亦或是其他的非正常方式，我们都可以定义自己的处理逻辑，将业务上需要归为一组的数据输出(then)为同样的值，然后进行分组。