在SQL数据查询中，筛选是重要操作。WHERE和HAVING子句作为筛选工具，功能虽然相似，但适用场景和底层逻辑差异明显。下面从基础语法出发，结合场景示例、性能优化、面试考点等方面，详细对比分析WHERE和HAVING子句，仅供参考。

一、基础语法

1. WHERE子句：行级筛选的“前置过滤器”

定义：WHERE子句用在数据分组、聚合之前，对表中的单个行进行筛选，仅保留满足条件的行，参与后续操作（如查询、分组、聚合等）。

语法结构：

-- 单表查询
SELECT 列名1, 列名2, ...
FROM 表名
WHERE 行级条件表达式;

-- 多表关联查询（可结合JOIN使用）
SELECT 表1.列名, 表2.列名
FROM 表1
JOIN 表2 ON 关联条件
WHERE 行级条件表达式;

支持的条件类型：

• 比较运算符：=（等于）、!=/<>（不等于）、>（大于）、<（小于）、>=（大于等于）、<=（小于等于）
• 逻辑运算符：AND（多条件同时满足）、OR（多条件满足其一）、NOT（否定条件）
• 范围匹配：BETWEEN...AND...（闭区间范围）、IN（匹配集合中的值）
• 模糊匹配：LIKE（配合%通配符匹配任意字符，_匹配单个字符）

2. HAVING子句：分组级筛选的“后置过滤器”

定义：HAVING子句仅用在GROUP BY分组之后，对分组结果进行筛选，筛选条件可基于聚合函数（如SUM()、COUNT()等）。

语法结构：

SELECT 分组列, 聚合函数(列名) AS 别名
FROM 表名
[WHERE 行级条件]  -- 可选，先筛选行
GROUP BY 分组列    -- 对行分组
HAVING 聚合条件    -- 筛选分组结果
[ORDER BY 列名];   -- 可选，排序

支持的条件类型：

• 聚合函数：COUNT(列名)（计数）、SUM(列名)（求和）、AVG(列名)（平均值）、MAX(列名)（最大值）等
• 分组列：GROUP BY中指定的列名（不可使用未分组的列）

说明：

• 在部分数据库（如 MySQL）中，即使不使用GROUP BY，HAVING也可单独使用（此时默认将所有数据视为一个分组）。例如：

-- 不使用GROUP BY，HAVING筛选聚合结果（默认全表为一组）
SELECT COUNT(*) AS total FROM employees HAVING COUNT(*) > 10;

• HAVING中可直接使用SELECT中定义的聚合函数别名（部分数据库支持）。例如：

-- 部分数据库支持（如MySQL）：HAVING使用SELECT中的聚合别名
SELECT department, AVG(salary) AS avg_sal 
FROM employees 
GROUP BY department 
HAVING avg_sal > 8000; -- 直接使用别名avg_sal

并非所有数据库都支持（如 Oracle 要求HAVING中重复写聚合函数）

二、WHERE和HAVING子句差异对比

在SQL中，WHERE和HAVING子句都用于筛选数据，但它们在使用场景、作用对象、语法规则和性能等方面区别明显，具体如下：

1. 使用场景

• WHERE：主要用于对表进行查询操作时，对表中的行进行筛选，在分组和聚合操作之前起作用，用于选择满足特定条件的单个行。

-- 示例：从employees表中筛选出工资大于5000的员工：
SELECT * FROM employees WHERE salary > 5000;

• HAVING：通常用在分组（GROUP BY）操作之后，用于对分组后的结果进行筛选，基于聚合函数的结果来筛选分组。

-- 示例：找出平均工资大于8000的部门：
SELECT department, AVG(salary) AS avg_salary FROM employees GROUP BY department HAVING AVG(salary) > 8000;

2. 作用对象

• WHERE：作用于基本表或视图中的每一行数据，也就是未分组的原始数据，根据指定条件决定是否将该行包含在结果集中。它不能直接与聚合函数一起使用，因为聚合函数是在分组之后对一组数据进行计算，而WHERE在分组之前执行。
• HAVING：作用于由GROUP BY子句创建的分组，也就是分组后的聚合数据，根据聚合函数计算后的结果来决定是否保留该分组，主要用于筛选基于聚合结果的分组数据。

3. 语法规则

• WHERE：紧跟在FROM子句之后、GROUP BY之前，语法结构为：SELECT 列名 FROM 表名 WHERE 条件表达式; ，条件表达式可以是比较运算符（如>、<、=）、逻辑运算符（如AND、OR）等组成的表达式，且不能包含聚合函数。
• HAVING：紧跟在GROUP BY子句之后、ORDER BY之前，语法结构为：SELECT 列名 FROM 表名 GROUP BY 分组列名 HAVING 条件表达式; ，这里的条件表达式通常基于聚合函数（如SUM、AVG、COUNT等）的结果，也可以使用GROUP BY中指定的列名。

-- 示例：找出员工数量大于5的部门：
SELECT department, COUNT(*) AS employee_count FROM employees GROUP BY department HAVING COUNT(*) > 5;

4. 筛选时机

• WHERE：在分组、聚合操作之前执行筛选，先对原始数据行进行过滤，再进行后续的分组和聚合。
• HAVING：在分组、聚合操作之后执行筛选，先完成数据分组和聚合计算，再对得到的分组结果进行过滤。

5. 性能差异

• WHERE：由于在数据分组之前对数据进行筛选，减少了参与后续操作的数据量，所以在性能上一般会优于HAVING。所以，能在WHERE中完成的筛选操作，尽量不要放到HAVING中。
• HAVING：需要先进行分组操作，然后再对分组结果进行筛选，相对而言性能可能会稍差一些。但当筛选条件依赖于聚合函数的结果时，就必须用HAVING。

小结

三、适用场景分析

为直观理解WHERE和HAVING子句差异，以下先通过“员工表（employees）”模拟数据进行对比演示。

表结构与数据：

场景1：使用WHERE筛选行（分组前）

需求：查询2020年及之后入职的员工姓名和薪资。

SELECT name, salary
FROM employees
WHERE hire_year >= 2020;

结果：

说明：WHERE直接过滤原始行，仅保留hire_year >= 2020的记录，未涉及分组。

场景2：使用HAVING筛选分组（分组后）

需求：查询平均薪资大于等于10000的部门及平均薪资。

SELECT department, AVG(salary) AS avg_salary
FROM employees
GROUP BY department
HAVING AVG(salary) >= 10000;

结果：

-- （6000+15000+9000）/3 = 10000
说明：先按部门分组计算平均薪资，再通过HAVING筛选出平均薪资>=10000的分组。

场景3：WHERE与HAVING结合使用

需求：查询2019年及之前入职的员工中，总薪资大于20000的部门及总薪资。

SELECT department, SUM(salary) AS total_salary
FROM employees
WHERE hire_year <= 2019  -- 先筛选2019年前入职的员工
GROUP BY department
HAVING SUM(salary) > 20000;  -- 再筛选总薪资>20000的部门

分步解析：

1. WHERE筛选：仅保留hire_year <= 2019的员工（李四、赵六）；
2. 分组：按部门分组（技术部：李四；销售部：赵六）；
3. 聚合：计算每组总薪资（技术部12000，销售部15000）；
4. HAVING筛选：总薪资>20000的分组（无符合条件的结果，故返回空）。

下面再通过另外一个完整示例将数据处理流程说明、各阶段逻辑、对应 SQL 代码以及各阶段数据示例完整呈现。基于 SALES 表，按“筛选→分组→聚合筛选→结果呈现”逻辑处理数据，以下全流程说明：

1. 底层数据（FROM 阶段）

逻辑：从 SALES 表获取原始数据，为后续筛选、聚合打基础。

-- ① 底层数据：从SALES表取原始数据
SELECT *
FROM SALES;

SALES 数据集

2. 底层筛选（WHERE 阶段）

逻辑：筛选 year = '2025' 且 category = '苹果' 的记录，缩小数据范围。

-- ② 底层筛选：在原始数据基础上按条件过滤
SELECT *
FROM SALES
WHERE year = '2025' AND category = '苹果';

筛选后的数据集

3. 聚合分组（GROUP BY 阶段）

逻辑：按 year、month 分组，计算每组 amount 总和，聚合数据。

-- ③ 聚合分组：对筛选后数据按年月分组并求和
SELECT year, month, category, SUM(amount) AS total_amount
FROM SALES
WHERE year = '2025' AND category = '苹果'
GROUP BY year, month, category;

聚合分组后的数据集

4. 聚合筛选（HAVING 阶段）

逻辑：对分组聚合结果二次筛选，仅保留 SUM(amount) > 50000 的分组。

-- ④ 聚合筛选：对分组聚合结果再过滤
SELECT year, month, category, SUM(amount) AS total_amount
FROM SALES
WHERE year = '2025' AND category = '苹果'
GROUP BY year, month, category
HAVING SUM(amount) > 50000;

聚合分组后再筛选的数据集

5. 呈现字段（最终 SELECT 阶段）

逻辑：精简输出字段，仅保留 year、month、聚合金额，清晰呈现结果。

-- ⑤ 呈现字段：简化结果列，输出最终需求数据
SELECT year, month, SUM(amount) AS total_amount
FROM SALES
WHERE year = '2025' AND category = '苹果'
GROUP BY year, month
HAVING SUM(amount) > 50000;

选择字段呈现结果集

说明：上述 SQL 基于 MySQL 语法编写，若使用 Oracle、SQL Server 等数据库，需微调语法（如字符串引号、函数兼容等 ），但基本逻辑一致。

四、面试考点

问题1：为什么WHERE不能使用聚合函数？
答：聚合函数（如SUM()）需要基于分组后的多行数据计算，而WHERE在分组前执行，此时尚无分组，无法调用聚合函数。

问题2：HAVING能否使用非聚合列？
答：只能使用GROUP BY中指定的分组列，或聚合函数。例如：

-- 错误：非分组列且非聚合函数
SELECT department, name, COUNT(*) 
FROM employees
GROUP BY department
HAVING name = '张三';  -- name未在GROUP BY中，报错
  
-- 正确：使用分组列
SELECT department, COUNT(*) 
FROM employees
GROUP BY department
HAVING department = '技术部';  -- 分组列可直接使用

五、性能优化技巧

1. 优先使用WHERE减少数据量：
WHERE在分组前筛选，可减少参与分组和聚合的数据量，提升效率。例如：
需求“查询员工数量大于2的部门中，2020年后入职的员工数量”，应先通过WHERE筛选2020年后的员工，再分组：

-- 高效：先筛选行，再分组
SELECT department, COUNT(*) AS emp_count
FROM employees
WHERE hire_year >= 2020
GROUP BY department
HAVING COUNT(*) > 2;
  
-- 低效：先分组再筛选行（数据量更大）
SELECT department, COUNT(*) AS emp_count
FROM employees
GROUP BY department
HAVING COUNT(CASE WHEN hire_year >= 2020 THEN 1 END) > 2;

2. 避免在HAVING中使用复杂表达式：
聚合函数的计算成本较高，若HAVING条件复杂（如嵌套函数），会增加分组后的计算压力，建议简化条件或提前通过子查询处理。

六、避坑指南

坑1：混淆分组列与非分组列
SELECT后若包含非分组列且非聚合函数，会导致结果不可预测（不同数据库处理逻辑不同）。例如：

-- 错误：name是非分组列且未聚合
SELECT department, name, AVG(salary)
FROM employees
GROUP BY department;  -- 部分数据库报错，部分返回随机name

说明： “SELECT后若包含非分组列且非聚合函数，会导致结果不可预测”这一规则的核心是 “SELECT后的非聚合列必须全部出现在GROUP BY中”（除非数据库开启了非标准模式，如 MySQL 的ONLY_FULL_GROUP_BY关闭时）。例如：

-- 正确：SELECT的非聚合列（department）在GROUP BY中
SELECT department, AVG(salary) FROM employees GROUP BY department;

-- 错误：SELECT的非聚合列（name）不在GROUP BY中
SELECT department, name, AVG(salary) FROM employees GROUP BY department;

坑2：BETWEEN与IN的范围陷阱
WHERE中使用BETWEEN...AND...时注意是闭区间（包含两端值），而IN适用于离散值集合。例如：

-- 查询薪资在8000-12000之间的员工（包含8000和12000）
SELECT name, salary FROM employees WHERE salary BETWEEN 8000 AND 12000;
  
-- 查询薪资为8000、12000、15000的员工
SELECT name, salary FROM employees WHERE salary IN (8000, 12000, 15000);

坑3：HAVING中误用COUNT(*)与COUNT(列名)
COUNT(*)统计所有行数（包括NULL），COUNT(列名)统计非NULL值。例如：
若某部门有1名员工薪资为NULL，COUNT(*)会算入，COUNT(salary)则忽略：

SELECT department, COUNT(*), COUNT(salary)
FROM employees
GROUP BY department;

七、总结

WHERE和HAVING的核心区别在于筛选时机和作用对象：

• WHERE是“前置筛选”，作用于行，用于减少原始数据量；
• HAVING是“后置筛选”，作用于分组，用于过滤聚合结果。

实际使用中，需根据是否涉及分组和聚合来选择：若需筛选单个行，用WHERE；若需筛选分组后的聚合结果，用HAVING。结合性能优化技巧和避坑指南，可写出更高效、更可靠的SQL查询。

阅读原文：原文链接