1. group by的常规用法
group by的常规用法是配合聚合函数，利用分组信息进行统计，常见的是配合max等聚合函数筛选数据后分析，以及配合having进行筛选后过滤。
- 聚合函数max
- select max(user_id),grade from user_info group by grade ;
-
这条sql的含义很明确，将数据按照grade字段分组，查询每组最大的user_id以及当前组内容。注意，这里分组条件是grade，查询的非聚合条件也是grade。这里不产生冲突。
having
select max(user_id),grade from user_info group by grade having grade>‘A‘
这条sql与上面例子中的基本相同，不过后面跟了having过滤条件。将grade不满足’>A’的过滤掉了。注意，这里分组条件是grade，查询的非聚合条件也是grade。这里不产生冲突。
2. group by的非常规用法
- select max(user_id),id,grade from user_info group by grade
-
这条sql的结果就值得讨论了，与上述例子不同的是，查询条件多了id一列。数据按照grade分组后，grade一列是相同的，max(user_id)按照数据进行计算也是唯一的，id一列是如何取值的？看上述的数据结果，
推论：id是物理内存的第一个匹配项。
究竟是与不是需要继续探讨。修改数据
-
- 修改id按照上述数据结果，将id=1，改为id=99，执行sql后结论：
-
显然，与上述例子的结果不同。第一条数据id变成了99，查出的结果第一条数据的id从1变成了2。表明，id这个非聚合条件字段的取值与数据写入的时间无关，因为id=1的记录是先于id=2存在的，修改的数据不过是修改了这条数据的内容。结合mysql的数据存储理论，由于id是主键，所以数据在检索是是按照主键排序后进行过滤的，因此
推论：id字段的选取是按照mysql存储的检索数据匹配的第一条。
将id改为1后恢复了原始结果，无法推翻上述推论。
更改查询条件 - select max(user_id),user_id,id,grade from user_info group by grade
-
将数据user_id改为10999后，执行结果为
-
结论
-
- 当group by 与聚合函数配合使用时，功能为分组后计算
- 当group by 与having配合使用时，功能为分组后过滤
- 当group by 与聚合函数，同时非聚合字段同时使用时，非聚合字段的取值是第一个匹配到的字段内容，即id小的条目对应的字段内容。