MySQL单表查询核心语法与实战指南

查询操作的基础准备

在进行进阶查询之前，首先需要明确一条完整 SQL 查询语句的逻辑结构，其执行顺序大致如下：

1. SELECT：指定要返回的列。
2. FROM：指定数据来源表。
3. WHERE：进行行级过滤。
4. GROUP BY：按列分组。
5. HAVING：对分组后的结果进行过滤。
6. ORDER BY：设定排序规则。
7. LIMIT：限制返回的记录数量。

为了演示以下所有查询操作，我们建立一张包含学生信息的测试表 stu，并向其中插入若干记录：

-- 1. 如果存在同名表则删除
DROP TABLE IF EXISTS stu;
-- 2. 创建表结构
CREATE TABLE stu (
  id int,
  name varchar(10),
  age int,
  gender varchar(5),
  math double(5,2),
  english double(5,2)
);
-- 3. 填充测试数据
INSERT INTO stu(id,name,age,gender,math,english)
VALUES
(1,'小张',23,'男',66,78),
(2,'小李',20,'女',98,87),
(3,'小陈',55,'男',56,77),
(4,'小樊',20,'女',76,65),
(5,'小马',20,'男',86,NULL),
(6,'小赵',57,'男',99,99);

在数据库中成功执行上述脚本后，可得到如下初始状态：

第1步：基础查询操作

基础查询用于从表中获取特定或全部的数据列。掌握去重和别名有助于提升可读性。

选取指定字段与全部字段

若只需查看学生的姓名和数学成绩，可以使用逗号分隔字段名：
SELECT name, math FROM stu;

运行结果仅显示对应两列：

若需获取该表所有的字段和数据，直接使用通配符 *：
SELECT * FROM stu;

去除重复与起别名

当某一列存在多条完全相同的记录时，可使用 DISTINCT 关键字消除重复值。
例如：SELECT DISTINCT gender FROM stu;

在查询过程中，为了方便前端展示，可以为字段设置别名。使用 AS 关键字或直接空格连接均可。
示例：SELECT name, english AS "英语成绩" FROM stu;

结果中 english 列将显示为自定义标题：

第2步：条件查询与筛选

实际业务中极少返回全表数据，必须通过 WHERE 子句定义严格的过滤条件。

基本比较运算符

支持大于 (>)、小于 (<)、等于 (=)、不等于 (<> 或 !=) 等运算。结合逻辑运算符 AND 与 OR 可组合复杂条件。

例如，查询年龄严格大于20岁的学生：
SELECT * FROM stu WHERE age > 20;

结果排除了20岁以下的记录：

范围与多选匹配 (IN / BETWEEN)

当需要在多个离散值中查找数据时，使用 IN 比多个 OR 更清晰。
查询年龄在18、20或21岁的学生：
SELECT * FROM stu WHERE age IN (18, 20, 21);

同时匹配的结果展示如下：

此外，BETWEEN ... AND ... 可用于指定闭区间范围内的数值筛选。

空值判断

NULL 无法用 = 判断，必须使用专用关键字：
IS NULL 或 IS NOT NULL。

模糊查询 (LIKE)

在处理字符串文本时，利用 LIKE 配合通配符非常实用：

• %：代表任意长度的任意字符。
• _：仅代表单个任意字符。

若要查找名字中包含“张”字的学生，采用前后夹击的通配符模式：
SELECT * FROM stu WHERE name LIKE '%张%';

精准命中目标学生信息：

第3步：数据排序 (ORDER BY)

默认的查询结果是无序的，使用 ORDER BY 可以对输出流进行重排。

基本语法：指定排序字段及升降序方向。默认方向为升序 (ASC)，降序需显式标注 DESC。

例如，按照数学成绩从高到低排列：
SELECT * FROM stu ORDER BY math DESC;

此操作通常配合其他过滤条件一起使用，以快速定位排名靠前的数据。

第4步：聚合函数统计

针对整列数据进行汇总计算时，需要使用内置聚合函数。这类函数忽略单行数据，作用于整个列集。

常用聚合函数列表

重要提示：所有聚合函数在执行时会自动跳过值为 NULL 的单元格。因此在统计行数时，推荐优先使用主键或自增字段（如 id），或者使用 *，以避免因个别空值导致计数偏差。

练习示例：统计与平均分

使用 COUNT 获取学生总数，这里使用主键 id 确保准确性：
SELECT COUNT(id) FROM stu;

系统返回当前表的总行数：

若想确认所有列均非空时的计数效果，可对比：
SELECT COUNT(*) FROM stu;

接下来计算某科目的平均表现。由于小马可用的英语成绩为 NULL，直接对英文科算平均值会导致分母变化（具体取决于数据库实现，但在多数引擎中自动排除Null行）：
SELECT AVG(math) FROM stu;

屏幕呈现剔除异常值后的最终平均分值：

第5步：分组统计 (GROUP BY)

当需要根据某种属性（如性别、班级）将数据归类并进行批量统计时，使用分组查询。

标准流程：先由 WHERE 做初步粗筛 -> 再由 GROUP BY 分类 -> 最后使用 HAVING 做细筛。

语法结构与关键差异

WHERE 发生在分组前，因此不能在其中使用聚合函数进行判断。而 HAVING 发生在分组和聚合计算之后，专门用于过滤组内统计数据。

综合练习：跨维度统计

任务要求：统计男生和女生各自的数学平均分及人数，且只计入数学成绩大于70分的同学；并且在分组完毕后，剔除掉人数不足2人的类别。

步骤分解：

1. 使用 WHERE math > 70 滤除低分考生。
2. 使用 GROUP BY gender 按性别拆分。
3. 使用聚合函数 AVG(math) 和 COUNT(*) 获取组内指标。
4. 使用 HAVING COUNT(*) > 2 过滤掉人数少于2人的组。

合并后的 SQL 语句如下：
SELECT gender, AVG(math), COUNT(*) FROM stu WHERE math > 70 GROUP BY gender HAVING COUNT(*) > 2;

此时控制台展示出符合条件的汇总报表：

倘若修改阈值去掉 HAVING 的限制，即可看到原始分组下的详细状况：

第6步：分页查询控制 (LIMIT)

面对海量数据时，一次性加载会导致严重的性能损耗。分页查询通过在 SQL 尾部追加 LIMIT 关键字，每次只向客户端推送一页所需数据。

双参数语法：LIMIT 起始偏移量, 每页条目数。

• 起始偏移量 (Offset)：指从第几条开始取。因为计算机索引从 0 起算，所以取第一页第一条数据的偏移量为 0。
• 每页条目数 (Count)：本次请求返回的最大行数。

例如，直接从索引 0 开始，截取前 3 条记录：
SELECT * FROM stu LIMIT 0, 3;

系统将精确返回这三条最新的数据切片：

在实际网页开发中，公式通常为：
起始索引 = (当前页码 - 1) × 每页显示条数

例如查询第 3 页（假设每页 3 条），则索引应为 (3-1)*3 = 6，即传入 LIMIT 6, 3。

总结

通过上述六个维度的梳理，我们构建了完整的 MySQL 单表检索知识体系。从简单的字段读取到复杂的嵌套条件筛选、动态排序、分组聚合以及大数据量下的分页处理，每一步都紧密相关。熟练掌握这些底层逻辑，是开发高性能后端应用的前提。建议在本地环境中反复修改参数进行测试，以加深记忆。

以上就是 MySQL 单表查询进阶与实操的详细内容，更多关于 MySQL 高级查询技巧的资料请关注本站其它相关文章！