GROUP BY 执行有严格逻辑顺序：先 WHERE 过滤，再 GROUP BY 分组，接着聚合计算，然后 HAVING 过滤，最后 SELECT 输出；分组键按值相等判定，NULL 视为相同；聚合函数逐行更新组内状态；性能受索引、内存和排序影响。

GROUP BY 的执行不是简单地把数据“按列切开”，而是经历一个有顺序、可优化的内部流程。理解这个过程，能帮你写出更高效、更准确的分组查询，也能避开常见陷阱（比如 SELECT 列不合法、聚合结果意外丢失等）。

一、逻辑执行顺序：先 WHERE，再 GROUP BY，最后 HAVING

SQL 标准规定了逻辑执行顺序（注意：不是物理执行顺序，但决定了你能写什么、结果是什么）：

• WHERE 先过滤原始行，剔除不满足条件的记录（此时还不能用聚合函数或别名）
• GROUP BY 对 WHERE 后剩余的行，按指定列（或表达式）划分成多个组；每组内所有行在 GROUP BY 列上值完全相同
• 聚合计算（如 COUNT()、SUM()、MAX()）在每个组内部独立进行，生成一行结果
• HAVING 对聚合后的组级结果进行过滤（可以使用聚合函数和 GROUP BY 列）
• SELECT 最后决定输出哪些列——只能是 GROUP BY 列、常量、或聚合函数结果（否则报错）

二、分组键的形成：值相等即同组，NULL 也单独成组

分组依据是表达式计算后的值是否“相等”。关键细节：

• 字符串比较默认区分大小写（取决于 collation），'A' 和 'a' 可能分到不同组
• NULL 被视为彼此相等，所有 NULL 值会归入同一个组（这是 SQL 标准行为，不是 bug）
• 可以对表达式分组，例如 GROUP BY YEAR(order_date), customer_id % 10，只要表达式确定、可比即可
• 多列组合分组时，等价于按元组比较：(a=1,b=NULL) 和 (a=1,b=NULL) 是同一组；但 (a=1,b=NULL) ≠ (a=1,b=0)

三、聚合函数的本质：组内扫描 + 单值输出

像 SUM()、AVG() 这类函数，并非“先算总和再分组”，而是：

• 引擎为每个组分配一个内存结构（如哈希桶或排序段）
• 逐行读取该组内所有数据，边读边更新中间状态（例如 SUM 累加、COUNT 自增、MAX 记录当前最大值）
• 组处理完毕后，输出一个标量值作为该组的聚合结果
• NULL 值默认被忽略（SUM(NULL, 5) = 5；COUNT(*) 计所有行，COUNT(col) 只计非 NULL）

四、性能关键点：索引、内存与排序的影响

物理执行效率高度依赖数据分布和可用资源：

• 如果 GROUP BY 列上有索引（尤其是前导列匹配），数据库可能利用索引有序性避免额外排序（如 MySQL 的 Index-Only Scan 或 PostgreSQL 的 Index Scan + HashAggregate）
• 大分组数 + 小内存 → 可能触发磁盘临时表（spill to disk），显著拖慢速度
• ORDER BY 与 GROUP BY 字段一致时，部分引擎（如 SQL Server）可复用排序结果，减少开销
• 使用 GROUP BY ALL（某些方言支持）会保留空组，但需额外计算，慎用