Hive学习笔记 为什么group by不能使用别名？

Posted 2021-04-29 赤兔在云端

赤兔 ｜ 学习笔记

注意SQL语句的执行顺序

问题来自于类似如下的场景：数据库中的每行代表一个用户的购买记录，每列是用户和购买的属性，例如性别、购买时间等，其中的一个字段代表的是消费者购买金额。现在要求按照消费金额分档，并统计各档位的消费者数量。比如我们按0元-500元、500元-1000元和1000元+将用户分成三组，并统计出各组的用户数量。

错误的方法：当我遇到这个问题，首先想到的是生成一个新列，并按新列分组。方法是使用case when语句将用户分组，然后给这列起一个别名，比如就叫classifying好了，再用group by classifying，就可以统计出各组的用户数量了。但是当执行的时候，会报语句错误：classifying这列不存在。

给查询的列起别名是很常用的方法，为什么这里却不行了呢？

1.可能group by不支持新生成的列的别名

2.可能group by后面就是不能使用别名

为了验证可能的原因，我用数据库原有的字段进行分组尝试，结果一旦使用了别名就会报错，而用原有列名则能正常查询。这就很奇怪了，为什么order by可以使用别名，但是group by不可以呢？按照人的习惯，使用别名更加方便才对，为什么不这样设计呢？

反复思索后，我突然想到：select后面的列其实是查询结果，而group by是查询的条件，order by是基于结果之后的排序，有没有可能程序是按照一定的顺序执行SQL语句的呢？如果是这样，where后面应该也不能使用别名，通过试验果真如此。在网上搜索了一些问题之后，终于找到了满意的解释，一般来说，查询的执行顺序是：

不同的数据库，还会有其它语句的优先级需要考虑，比如START WITH、CONNECT BY等，因为在hive中用不到就没有进一步研究了。

回到最初的问题，既然无法使用别名，那么如何按照我们设想的方式分组呢？答案是只能麻烦一些，把我们查询的case when语句放到group by后面，例如：

group by这样使用，让我想起曾在课堂上见过的一道面试题：

这里其实就是group by后面需要添加条件的情况，参考答案如下（经本人测试有些小问题）：

（小问题是，select后面的case when需要和group by的条件保持一致，本例中group by用<9000和<20进行分组，那么需要在select里先写salary<9000以及age<20的条件，否则会报错。即 case when salary<9000 then '薪资小于9000' else '薪资大于9000' end as '薪资'）

这里可以发现group by的有意思之处，group by不仅可以按照原有字段分组，还可以根据新的条件分组，只不过在二分组的情况下语句简单，而多分组的语句要复杂一些。二分组其实也是比较有用的，比如有的时候可以结合LEFT JOIN和<some_list> IS NULL来进行分组，就不用写更多的case when语句了（外连接后关键字段会产生空值，巧妙的利用可以解决一些本来复杂的查询问题）。

此外，需要注意的是，使用group by后，select的字段必须是出现在group by之后的字段，或者使用聚合函数，这个过程可以使用excel的数据透视表来理解。简单说就是，想要显示未经分组的字段记录，是不符合逻辑的（比如按年龄分组却要显示性别是不行的，必须把性别也加到分组条件中）。

总结一下：

1.SQL语句的执行是有先后顺序的，因此大部分数据库，WHERE和GROUP BY后面不能使用别名，但是ORDER BY可以使用别名。

2.GROUP BY后面的列，可以是复杂的分组判断，用CASE WHEN语句实现；但如果是二分组问题就比较简单，只写一个条件即可，不过要注意和SELECT的条件一致。

3.使用GROUP BY，SELECT后面的字段必须是GROUP BY后的字段或者聚合函数，不能查询在GROUP BY后面未出现的列。