SQL 的 GROUP BY 把多行数据按指定列折叠成”一组一行”的汇总结果，是分组统计的核心子句。它的底层执行分两步：先用 WHERE 过滤行，再把数据按分组键排序或哈希归拢成桶，最后对每个桶跑聚合函数。据 ProgrammingLine 的解析，引擎先确定 WHERE 保留的行，再按 GROUP BY 列把它们分进不同的”桶”，每个桶只产出一行结果。理解这一机制，也就理解了为何 SELECT 中的列要么进 GROUP BY、要么被聚合函数包裹——折叠后组内已无单一确定的非聚合值。
一、GROUP BY 在做什么：行的折叠
GROUP BY 的本质是集合划分：按分组列的相同取值，把原表行归并为子集，每个子集（组）输出一行。它几乎总是和聚合函数（COUNT/SUM/AVG/MIN/MAX）搭配，因为正是聚合函数负责算出每组的那个汇总值。
据 leyaa.ai 的”执行流”图示，一条带 GROUP BY 的查询依次经历：
原始行 → WHERE（过滤行）→ GROUP BY（排序/哈希分组）
→ Aggregation（组内聚合）→ HAVING（过滤组）→ 输出（每组一行）
一个反直觉的关键点：GROUP BY 不会保留原行，它返回的是”每个组一行”，而非每行一行。CSDN 与数据库系统原理文章都强调，这正是新手常犯的误解——以为它只是排序后原样返回。
二、底层两大分组算法
优化器据数据规模、可用内存和索引情况，在两种算法间择一（综合 CSDN 阿里云开发者社区、leyaa.ai、数据库系统原理）：
| 算法 | 触发条件 | 核心过程 | 特点 |
|---|---|---|---|
| 排序分组（Sort） | 分组列有索引，或优化器认为排序更优 | 按分组列排序，使同组行相邻，顺序扫描累加 | 结果天然有序；但排序约 O(N log N)，内存占用小，适合大数据 |
| 哈希分组（Hash） | 无合适索引可用 | 计算分组键哈希，把行放进哈希桶，桶内聚合 | 内存充足时接近 O(N)，更快；但输出顺序不确定，需显式 ORDER BY |
索引能改变算法。当分组列上存在有序索引时，引擎可直接沿索引顺序”发现组边界变化”就输出，无需显式排序或临时表——这正是 CSDN 文章中”加联合索引后 Using temporary/Using filesort 同时消失”的原因。
三、MySQL 的临时表流程（默认路径）
当没有可用索引时，MySQL 典型执行流程（CSDN 详解）为：
- 创建内存临时表，字段为分组列和聚合结果列。
- 全表（或索引）扫描，逐行取出分组键值。
- 临时表中已有该键 → 更新聚合值；没有 → 插入新行。
- 遍历完后，按分组列排序并返回。
这个默认路径既用临时表又用排序，因此容易变慢。若内存临时表达到 tmp_table_size 上限，会转成磁盘临时表，性能显著下降。
四、HAVING：在组上再过滤
WHERE 过滤行（分组前），HAVING 过滤组（聚合后），二者执行顺序固定。据 CSDN 的”同时含 WHERE/GROUP BY/HAVING”示例，完整顺序是：WHERE 选行 → GROUP BY 分组 → 聚合计算 → HAVING 筛组。
SELECT city, COUNT(*) AS num
FROM staff
WHERE age > 19
GROUP BY city
HAVING num >= 3;
HAVING 是唯一能引用聚合结果（如 COUNT(*) > 1）的地方；WHERE 中写聚合函数会直接报错。
五、NULL 也参与分组
据 leyaa.ai 的 MySQL 深度解析，GROUP BY 把 NULL 当作一个独立组值，所有 NULL 行归入同一组，而非被忽略。这与 COUNT(col) 忽略 NULL 不同——分组统计里 NULL 会单独占一个桶，统计总数时不可漏算。
六、两个必须知道的约束
- SELECT 列约束：非聚合列必须出现在
GROUP BY中，否则 PostgreSQL、MySQL 严格模式直接报only_full_group_by错误；SQLite 虽宽松但会随机取组内一行，是隐蔽 bug 源。 - 列顺序不影响分组语义：
GROUP BY A, B与GROUP BY B, A分出的组完全相同，列序只影响排序分组的内部处理顺序。这与ORDER BY截然不同。
七、GROUP BY 的优化方向
据 CSDN 优化章节，主要手段有四个：
- 分组列加索引：让引擎走有序索引直接分组，省去临时表与排序。
ORDER BY NULL：若不需要结果排序，去掉默认排序以消除 filesort。- 尽量只用内存临时表：调大
tmp_table_size，避免落入磁盘临时表。 SQL_BIG_RESULT提示：预估大数据量时，直接用磁盘临时表并以数组存储，避免内存转磁盘的反复。
八、何时不该用 GROUP BY
leyaa.ai 指出：当你需要逐行明细、或因窗口函数更适合的场景（累计求和、组内排名）时，应改用窗口函数。GROUP BY 会折叠行，无法同时保留明细与汇总；这类”分区内计算但不折叠”的需求，窗口函数是更正确的选择。
常见问题（FAQ）
GROUP BY 列的顺序影响分组结果吗？
不影响。GROUP BY A,B 与 GROUP BY B,A 分出的组完全相同，列序只影响内部排序处理。
NULL 值会被 GROUP BY 忽略吗？
不会。NULL 被单独归为一个组，统计时需计入，与 COUNT(col) 忽略 NULL 是两回事。
为什么 SELECT 里不能随便写列？
折叠后组内无单一确定的非聚合值，标准 SQL 要求非聚合列必须进 GROUP BY，否则报错或结果不可控。
