先聚合再关联能显著提速，核心是避免中间结果集爆炸：先JOIN后GROUP BY会生成海量匹配行再聚合，而先按维度聚合可大幅压缩数据量，再关联维表，总数据量可控。
先聚合再关联，通常比先关联后聚合快得多，尤其当被关联表数据量大、聚合维度又窄时。
为什么先聚合再关联能显著提速
核心在于避免“中间结果集爆炸”：如果先 JOIN 再 GROUP BY，数据库得先把所有匹配行生成出来（比如 100 万订单 × 每单 5 条明细 = 500 万行），再在这 500 万行上做 SUM/COUNT；而先对明细表按 order_id 聚合，可能只产出 100 万行汇总结果（每单一行），再 JOIN 用户表，总数据量直接压到百万级以内。
常见失效场景包括：
- 明细表无有效索引支撑聚合字段（如
GROUP BY order_id但order_id上没索引） - 聚合后未显式限制结果集，导致后续 JOIN 仍面对超大中间集
- 用了
SELECT *在聚合子查询里，带入大量无用字段，拖慢内存和网络
怎么写才真正生效：子查询聚合 + 显式字段控制
关键不是套个 SELECT * FROM (SELECT ...) t 就完事，而是让聚合子查询本身轻量、可索引、结果可控。
正确写法要点：
- 聚合子查询只 SELECT 必需的分组键和聚合值，例如：
SELECT order_id, SUM(amount) AS total_amount FROM order_items GROUP BY order_id - 若后续要 JOIN 主表，确保聚合子查询的分组键（如
order_id）在主表上有对应索引 - 必要时加
LIMIT或高选择性WHERE下推（如只聚合近 30 天数据） - 避免在聚合子查询里用
HAVING过滤大量行——它发生在聚合之后，无法减少扫描量；应优先用WHERE提前筛
示例对比：
-- ❌ 先关联后聚合（慢） SELECT u.name, COUNT(o.id), SUM(oi.amount) FROM users u JOIN orders o ON u.id = o.user_id JOIN order_items oi ON o.id = oi.order_id GROUP BY u.name;
-- ✅ 先聚合再关联（快） SELECT u.name, t.cnt, t.total FROM users u JOIN ( SELECT o.user_id, COUNT(*) AS cnt, SUM(oi.amount) AS total FROM orders o JOIN order_items oi ON o.id = oi.order_id WHERE o.created_at >= '2026-04-01' -- 下推时间过滤 GROUP BY o.user_id ) t ON u.id = t.user_id;
EXPLAIN 验证是否真走“先聚后关”路径
执行 EXPLAIN 后，重点看两处：
- 聚合子查询是否显示
type为ref或range（说明走了索引），而非ALL - 外层 JOIN 的
rows估算值，是否接近子查询的聚合后行数（比如 1 万），而不是明细表原始行数（比如 100 万） - 若出现
Using temporary; Using filesort在外层，说明聚合逻辑没被下推，或 GROUP BY 字段没索引
特别注意：MySQL 5.7 及更早版本对子查询优化较弱，某些写法（如相关子查询）可能无法下推；8.0+ 对 CTE 和派生表优化更好，但依然建议用显式子查询而非 CTE，除非需复用多次。
容易被忽略的细节：NULL 值与空聚合结果处理
聚合子查询若返回空结果（如某用户无订单），外层 JOIN 会直接丢掉该用户。若业务要求保留（如显示 0 订单），必须改用 LEFT JOIN，并用 COALESCE(t.cnt, 0) 补零。
另一个坑是：聚合字段含 NULL 时，SUM() 和 COUNT() 行为不同——COUNT(*) 统计行数，COUNT(col) 自动忽略 col 为 NULL 的行。若明细表中 amount 允许 NULL，且你希望把 NULL 当 0 算，得写 SUM(COALESCE(oi.amount, 0))，否则结果会偏低。
真正卡住性能的，往往不是语法多难，而是聚合边界没划清、NULL 没兜住、索引没对齐这三处。
