MySQL各部分的执行顺序

前几天参加了一个公司的面试，到了后面面试官出了一个SQL相关的题目：

给定访问id，用户id，页面id，访问时间，求出最近一个月对id为100的页面有访问记录且访问该页面次数大于10次的用户id

数据的形式类似于以下这样（表名为views）：

view_id	user_id	page_id	view_time
1	abc	100	2021-01-15
2	def	101	2021-02-01
…	…	…	…

当时为了稳妥起见，我的第一反应是使用窗口函数，

select distinct(user_id) from
(select *, count(*) over (partition by page_id, user_id) as view_cnt,
last_value(view_time, 0) over (partition by page_id, user_id) as recent_time
from views)
where view_cnt > 10 and datediff(curdate(), recent_time) < 31 and page_id = 100

然后面试官问：“还有没有什么简便的方法么？”
很明显他的意思是要用传统的groupby来完成这个查询，确实我之前的查询又是用窗口函数又是加了distinct确实是复杂一些。
于是我用group by再写了一遍。

select (user_id) from
(select *, count(*) as view_cnt,
max(view_time) as recent_time
from views
group by page_id, user_id)
where view_cnt > 10 and datediff(curdate(), recent_time) < 31 and page_id = 100

看完我的查询之后，面试官又问了一句：“可以不需要使用嵌套查询吗？”
当时我的回答是”应该不行，如果不使用嵌套而直接在group by后面加having的话sql会报错，就和where如果使用别名查询就会报错一样“
后面面试完想了一下，发现自己当时回答得不好，不是正确的但也不完全错，不是正确的原因是按照sql的规则having后面是可以拿聚合函数做判断的，但是不完全错的原因是如果having用的是像我之前设置的别名来判断的话，确实是会出错的。（虽然mysql在5.6之后基于sql的规则对group by进行拓展，支持这种写法。但在其它sql上面用别名having还是不行的）
我们可以从SQL运行时各部分的执行顺序来进行分析，当我们选择执行一个SQL语句的时候，它会按照以下的顺序来进行操作，

FROM

WHERE

GROUP BY

HAVING

SELECT

DISTINCT

ORDER BY

LIMIT

这个执行顺序的设计是很巧妙的，我说一下我自己对于上述顺序的理解，
1. FROM
顾名思义，当执行查询语句的时候，首先需要知道的是它需要哪些表，正如我们去一个地方需要知道它的具体位置一样。如果需要多个表的话在这一部分也需要按照一定的顺序进行表的join操作。
2. WHERE
当确定我们需要读取哪一张表（或者多张表）的数据之后，我们就需要进行where的filter操作，根据filter尽量减少读取的数据数量。

与此同时，由于where早于select执行，那么它是不知道select语句里面定义的别名的，所以在这里使用别名会导致SQL报错。

那么问题来了，为什么where的优先级要比group by，having, select之类的要高呢？
第一个原因是可以减少不必要的查询量，加快执行语句的速度，类似于Apache Spark在对查询语句进行逻辑优化时需要用到的谓词下推类似的道理。举个栗子，比如我们可能需要userid从100到300的用户对于某一个页面的浏览次数，那么如果先执行group by再执行where的话，userid小于100的用户的数据也会被汇总进去，但实际上这些部分的数据是完全不需要的，计算它们完全是浪费系统资源（而且group by操作本身就是很耗资源的操作）
3. GROUP BY
在完成where操作的过滤之后，如果语句中有group by的话则会对过滤后的数据进行聚合操作，聚合操作是多对一的转换，因此在聚合操作过后，除了用于group by的字段之外，其它字段的原始数据将会丢失，只能得到它们相应的聚合结果（比如sum（）， avg（）这样）
在完成聚合操作之后，参与group by的字段以及其它字段对应的聚合值已经处于已知状态，后续的操作可以直接使用它们。
4. HAVING
HAVING操作主要做的是对group by之后的分组结果进行过滤，可以根据参与group by的字段进行过滤，也可以根据其它字段的聚合值进行过滤。（因为聚合值在这里已经算是已知数据）因此这里是可以拿聚合函数做判断的，比如最开始的那个查询的例子，可以直接写成以下的形式，

select user_id 
from views
where page_id = 100
group by page_id, user_id
having count(*) > 10 and datediff(curdate(), max(view_time)) < 31 and page_id = 100

这里需要注意的是，虽然聚合函数可以用于做having里面的判断条件，但是它们在select里面设置的别名是不可以的，因为此时还没进行select阶段，SQL并不知道它们的别名是什么样子。
（MySQL5.6及以上版本对group by进行了拓展，这些版本可以在having的时候使用别名。如果不希望使用的话，可以将MySQL的sql_mode调为ONLY_FULL_GROUP_BY 参考链接)

HAVING并不是一定要和group by成对出现的，它也可以单独存在，在没有group by的时候，此时默认只有一个组，但是需要注意的是这时having里面参与过滤的字段需要在select里面存在，不然having会不知道这是分组里面的内容而导致报错。
5. SELECT
选取结果集中相对应的字段，在select中为字段设置的别名在此阶段及之后的操作中生效。
6. DISTINCT
去重操作，放在select之后有个原因是去重操作是要根据select里面所选字段来进行的。

需要注意的是distinct去重是只去重所有和已选字段完全重复的数据，举个栗子，select distinct name, city只会去重姓名和城市完全重复的数据，而如果只有姓名相同，而城市不同，那么不会发生去重操作

7. ORDER BY
对得到的结果按照特定字段顺序进行排列，这里可以使用别名
8. LIMIT
设置显示结果集中的几条数据

通过分析MySQL中各部分的执行顺序，我们就不难理解为什么where不能有别名，而having可以用聚合函数来判断的原因，而且借此机会重新温习一遍SQL各部分对应的功能，加深理解，可以说是一举两得。