Что такое GROUP BY и в каком порядке выполняются клаузы (FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY → LIMIT)?

Что делает GROUP BY

GROUP BY объединяет строки с одинаковыми значениями указанных колонок в одну группу. После этого в SELECT можно использовать только те колонки, которые есть в GROUP BY, или агрегатные функции (COUNT, SUM, AVG, MIN, MAX). Попытка выбрать неагрегированную колонку вне GROUP BY — ошибка.

Логический порядок клауз

SQL обрабатывается в следующем логическом порядке (не физическом — планировщик вправе его переставить):

1. FROM — строит исходный набор строк, включая JOIN и подзапросы.
2. WHERE — отфильтровывает отдельные строки до группировки.
3. GROUP BY — формирует группы по ключам.
4. HAVING — фильтрует группы по условию на агрегаты.
5. SELECT — вычисляет выражения и alias для каждой группы.
6. ORDER BY — сортирует результат (может использовать alias из SELECT).
7. LIMIT / OFFSET — обрезает итоговый набор.

Пример с разбором

SELECT
    customer_id,
    SUM(total_amount) AS revenue
FROM orders
WHERE status = 'paid'          -- шаг 2: исключает неоплаченные до группировки
GROUP BY customer_id           -- шаг 3: одна строка на клиента
HAVING SUM(total_amount) > 1000 -- шаг 4: только крупные клиенты
ORDER BY revenue DESC          -- шаг 6: alias из SELECT уже виден
LIMIT 20;                      -- шаг 7

Физические стратегии агрегации в PostgreSQL

Планировщик выбирает между несколькими алгоритмами в зависимости от данных и индексов:

• HashAggregate — строит хэш-таблицу в памяти (work_mem); быстро для случайных ключей.
• GroupAggregate — требует отсортированного ввода; используется, когда данные уже отсортированы индексом.
• MixedAggregate — PostgreSQL 16+ может комбинировать подходы при partial aggregation для параллельных планов.

-- Посмотреть выбранную стратегию
EXPLAIN (ANALYZE, BUFFERS)
SELECT customer_id, SUM(total_amount) AS revenue
FROM orders
WHERE status = 'paid'
GROUP BY customer_id
HAVING SUM(total_amount) > 1000
ORDER BY revenue DESC
LIMIT 20;

Функциональная зависимость

В PostgreSQL разрешено не перечислять в GROUP BY колонки, функционально зависящие от первичного ключа. Например, если группируем по id, то name той же таблицы можно выбрать без агрегата — PostgreSQL знает, что на каждый id одно name. Но полагаться на это стоит осторожно: при JOIN семантика усложняется.

Подводные камни

• ORDER BY не гарантирован без явного указания — не полагайтесь на «естественный» порядок GroupAggregate.
• HashAggregate может «упасть» на диск (temp files), если work_mem мал и групп много — смотрите temp written в BUFFERS.
• NULL-значения в GROUP BY образуют отдельную группу; GROUP BY status при NULL даст группу NULL.
• GROUP BY номером позиции (GROUP BY 1, 2) — синтаксический сахар; при изменении SELECT-списка может сгруппировать не по тем колонкам.
• HAVING SUM(...) > x и WHERE amount > x — разный смысл; поставить условие не туда — классическая ошибка junior-уровня.
• При большом количестве групп HashAggregate требует много памяти; индекс по GROUP BY-ключам может переключить план на GroupAggregate и сэкономить work_mem.
• GROUPING SETS, CUBE, ROLLUP — расширения GROUP BY для многомерной агрегации; не путайте с обычным GROUP BY при code review.
• Физический порядок не равен логическому — EXPLAIN может показать Filter до Group, если планировщик протолкнул предикат вниз.

• Думать, что SELECT выполняется первым.
• Выводить неагрегированные поля без GROUP BY.
• Путать логический порядок с физическим планом.

• Просит объяснить доступность alias.
• Проверяет понимание агрегации по ключам.
• Уточняет разницу логики SQL и EXPLAIN-плана.