HAVING用于分组后筛选聚合结果，必须紧跟GROUP BY之后；WHERE在分组前过滤行且不能用聚合函数，而HAVING可对COUNT、AVG等聚合结果条件过滤，执行顺序为FROM→WHERE→GROUP BY→HAVING→SELECT→ORDER BY。
用 HAVING 筛选分组后的聚合结果
分组后筛选必须用 HAVING，不是 WHERE。因为 WHERE 在分组前执行，会把整行过滤掉；而 HAVING 作用于 GROUP BY 之后的聚合结果，才能对“每组的 COUNT/SUM/AVG”这类值做判断。
常见错误现象：写成 WHERE COUNT(*) > 1，直接报错——WHERE 不允许用聚合函数。
-
HAVING必须紧跟在GROUP BY后面，不能放在WHERE前或ORDER BY后 - 条件中可直接使用聚合函数，如
HAVING COUNT(*) >= 5、HAVING AVG(score) > 80 - 若同时有
WHERE和HAVING，WHERE先过滤原始行，再分组，最后HAVING过滤组
HAVING 和 WHERE 混用时的执行顺序
理解执行顺序是避免逻辑错误的关键：FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY。
例如要查“每个部门中薪资 > 5000 的员工数 ≥ 3 的部门”，salary > 5000 是行级条件，应放 WHERE 预过滤；而“≥ 3”是组级条件，必须放 HAVING：
SELECT dept_id, COUNT(*) AS high_paid_count FROM employees WHERE salary > 5000 GROUP BY dept_id HAVING COUNT(*) >= 3;
- 如果把
salary > 5000错放到HAVING，语句虽可能通过（如 MySQL 允许），但语义错误：它会先按部门分组、再对每组总人数判断，完全偏离需求 - 如果漏写
WHERE，全表分组后再筛，性能差，尤其大表 -
HAVING中引用的列，要么是GROUP BY列，要么是聚合表达式；不能引用未分组也未聚合的普通列
NULL 值对 HAVING 判断的影响
聚合函数天然忽略 NULL，但 HAVING 条件本身不处理 NULL——它只判断聚合结果是否满足布尔条件。问题常出在聚合源数据含 NULL 时，导致计数或均值失真。
比如统计“每个产品类别的平均折扣率”，若 discount_rate 列大量为 NULL，AVG(discount_rate) 仍会计算非空值的均值，但该均值可能无法代表真实业务分布。
- 用
COUNT(discount_rate)/COUNT(*)可估算该组非空率，辅助判断均值可靠性 - 必要时在
WHERE中排除discount_rate IS NULL，让HAVING基于更干净的数据集 -
HAVING AVG(discount_rate) > 0.1不会因某组全为NULL报错，但会返回NULL，而NULL > 0.1为UNKNOWN，该组被过滤——这是 SQL 三值逻辑的隐性行为，容易被忽略
不同数据库对 HAVING 的兼容性细节
标准 SQL 要求 HAVING 条件中的非聚合列必须出现在 GROUP BY 中，但部分数据库（如 MySQL 5.7 默认模式）允许放宽限制，带来隐患。
例如：SELECT dept_id, MAX(salary) FROM employees HAVING location = 'Beijing' —— location 未分组也未聚合，在 PostgreSQL 或 SQL Server 中直接报错，在宽松模式 MySQL 中可能返回不确定结果。
- 始终显式写出
GROUP BY所有非聚合列，避免跨库迁移失败 - SQL Server 不支持
COUNT(布尔表达式)，但HAVING中用COUNT(CASE WHEN ... THEN 1 END) > 0完全合法 - MySQL 8.0+ 和 PostgreSQL 支持窗口函数 +
HAVING组合，但注意窗口函数不能直接用于HAVING，需套子查询
HAVING 时最易被忽略的，是它依赖于前面分组和聚合的完整性——一旦 GROUP BY 漏列、或聚合函数输入被 WHERE 过度削减，HAVING 就成了无本之木。 
