Funkcja agregująca

Funkcja agregująca to funkcja SQL wykonująca obliczenie na zbiorze wartości i zwracająca pojedynczy wynik, np. sumę lub średnią.

Funkcja agregująca w zapytaniach SQL

Funkcja agregująca służy do podsumowania wielu wierszy i przedstawienia ich za pomocą jednej wartości wynikowej. Zamiast zwracać każdy rekord osobno, pozwala obliczyć informację zbiorczą dotyczącą całego zestawu danych albo wybranej części tabeli. Takie podejście jest przydatne wtedy, gdy potrzebne jest ustalenie łącznej wartości sprzedaży, liczby zgłoszeń, średniego czasu realizacji, najniższego wyniku lub najwyższej wartości w określonym okresie.

Do najczęściej stosowanych funkcji tego rodzaju należą SUM(), AVG(), COUNT(), MIN() oraz MAX(). Ich działanie opiera się na analizie wartości znajdujących się w wielu wierszach. Wynik może dotyczyć całej tabeli albo zostać wyliczony oddzielnie dla grup utworzonych za pomocą klauzuli GROUP BY. Dzięki temu jedno zapytanie może przedstawić na przykład liczbę zamówień dla każdego miesiąca, średnią ocenę dla każdej kategorii lub sumę kosztów przypisanych do poszczególnych działów.

W praktyce funkcja agregująca nie jest jedynie skrótem dla prostego dodawania lub liczenia. Określa sposób interpretacji zbioru danych, a rezultat zależy od typu kolumny, obecności wartości pustych, zastosowanych filtrów oraz poziomu grupowania. Z tego powodu poprawne zapytanie wymaga sprawdzenia, jakie rekordy mają zostać uwzględnione i czy wynik ma opisywać całą tabelę, czy tylko konkretny fragment danych.

Funkcja agregująca a grupowanie i kontekst techniczny

Najważniejsze rozróżnienie dotyczy obliczenia dla wszystkich wierszy oraz obliczenia wykonywanego osobno dla każdej grupy. Przy zapytaniu bez GROUP BY funkcja agregująca zwykle zwraca jeden wynik dla całego zbioru spełniającego warunki WHERE. Po zastosowaniu grupowania powstaje wiele wyników, lecz nadal po jednym dla każdej logicznej grupy. Grupą może być dzień, użytkownik, rodzaj urządzenia, status zgłoszenia albo dowolna inna wartość występująca w tabeli.

Przykładowo, zapytanie SELECT COUNT(*) FROM zgloszenia; zwróci liczbę wszystkich wierszy w tabeli. Natomiast konstrukcja SELECT status, COUNT(*) FROM zgloszenia GROUP BY status; pozwoli uzyskać osobne podsumowanie dla każdego statusu. Kolumna użyta do grupowania opisuje wynik, a funkcja agregująca oblicza wartość odnoszącą się do elementów należących do danej grupy.

Istotna jest także kolejność etapów przetwarzania. Filtr WHERE ogranicza dane przed grupowaniem i przed wykonaniem agregacji. Jeżeli ma zostać zastosowany warunek dotyczący już obliczonego wyniku, wykorzystuje się HAVING. Przykładowo można najpierw odrzucić stare rekordy, następnie pogrupować pozostałe wpisy według kategorii, a na końcu pozostawić tylko te kategorie, dla których liczba wpisów przekracza określony warunek. Takie rozdzielenie pomaga uniknąć błędnych rezultatów i ułatwia analizę zapytania.

W porównaniu z funkcjami działającymi na pojedynczym wierszu funkcja agregująca zmienia skalę obliczenia. Funkcja tekstowa może przekształcić jedną nazwę, a funkcja daty może wyodrębnić miesiąc z jednego znacznika czasu. Agregacja łączy natomiast informacje z wielu wierszy. Nie oznacza to jednak, że zawsze pobierany jest każdy rekord. Ostateczny zbiór może być ograniczony filtrem, połączeniem tabel, zakresem dat lub innym warunkiem.

Funkcja agregująca i typowe problemy z wynikiem

Jednym z częstych źródeł nieporozumień są wartości NULL. W wielu sytuacjach SUM(), AVG(), MIN() i MAX() pomijają takie wartości, ponieważ brak danych nie jest traktowany jako zero. Z kolei COUNT(*) liczy wiersze, także te, w których wybrane kolumny są puste, natomiast COUNT(nazwa_kolumny) uwzględnia tylko rekordy posiadające wartość w tej kolumnie. Różnica może prowadzić do rozbieżności między liczbą wszystkich wpisów a liczbą wpisów zawierających konkretną informację.

Problemem bywa również mieszanie kolumn agregowanych z kolumnami zwykłymi. Jeżeli w zapytaniu znajduje się SUM(kwota) oraz klient, trzeba określić sposób powiązania klienta z wynikiem, zwykle przez GROUP BY klient. Bez takiego wskazania system bazodanowy może odrzucić zapytanie albo zwrócić rezultat niezgodny z założeniem, zależnie od używanego silnika i jego ustawień.

Ostrożność jest potrzebna przy łączeniu tabel. Jeżeli jeden rekord z tabeli głównej zostanie połączony z kilkoma rekordami tabeli powiązanej, wartości mogą pojawić się w zbiorze wielokrotnie. Wtedy funkcja agregująca zsumuje także powtórzone wiersze, mimo że w tabeli źródłowej dana wartość występowała tylko raz. Przed użyciem SUM() lub COUNT() należy więc sprawdzić relacje między tabelami, warunki JOIN oraz to, czy wynik nie wymaga usunięcia duplikatów.

W podobny sposób może działać nieprawidłowy filtr dat. Zakres obejmujący datę początkową i końcową powinien uwzględniać również godzinę zapisaną w kolumnie. Przy danych przechowywanych z dokładnością do czasu bezpieczniejsze bywa określenie początku badanego okresu oraz początku kolejnego okresu, a następnie użycie warunku mniejszości dla górnej granicy. Pozwala to ograniczyć ryzyko pominięcia rekordów zapisanych późnym wieczorem.

Funkcja agregująca w codziennej pracy z bazą danych

Przed napisaniem zapytania należy ustalić, co dokładnie ma oznaczać jeden wynik. Może on odpowiadać całej tabeli, pojedynczemu dniowi, osobie, kategorii, urządzeniu albo zgłoszeniu. Następnie powinno się wskazać kolumnę podlegającą obliczeniu i określić sposób traktowania brakujących danych. Takie przygotowanie ogranicza ryzyko sytuacji, w której poprawnie wykonane zapytanie odpowiada na inne pytanie niż zamierzone.

Przydatne jest testowanie zapytania etapami. Najpierw można sprawdzić same rekordy po zastosowaniu WHERE, potem dodać połączenia tabel, następnie grupowanie, a na końcu funkcję agregującą i HAVING. W każdym kroku łatwiej zauważyć, czy liczba wierszy nie zmieniła się nieoczekiwanie. Pomocne jest także porównanie wyniku z niewielkim, ręcznie zweryfikowanym zestawem danych.

Wynik agregacji może być prezentowany w raporcie, zestawieniu administracyjnym, formularzu podsumowania albo eksporcie do pliku. Jeżeli obliczenia wykonywane są często, znaczenie ma również wydajność. Filtrowanie po właściwych kolumnach, ograniczenie pobieranego zakresu oraz analiza planu zapytania mogą zmniejszyć ilość przetwarzanych danych. Nie powinno się jednak dodawać indeksów ani zmieniać struktury tabel wyłącznie na podstawie przypuszczeń. Najpierw należy ustalić, gdzie rzeczywiście występuje opóźnienie.

Warto dokumentować znaczenie miar. Suma wartości brutto, suma wartości netto, liczba wszystkich rekordów i liczba rekordów unikalnych to różne informacje, nawet jeżeli zostały utworzone przy użyciu podobnych konstrukcji SQL. Jasne nazwy kolumn wynikowych, na przykład liczba_zgloszen lub srednia_czasu, ułatwiają późniejsze odczytanie raportu i ograniczają ryzyko błędnej interpretacji.

Przydatne bywa także rozróżnienie między agregacją a filtrowaniem wyników. WHERE odpowiada na pytanie, które wiersze mają wejść do obliczenia, natomiast HAVING określa, które gotowe grupy mają zostać pokazane. Właściwe zastosowanie obu klauzul zwiększa czytelność zapytania i pozwala ograniczyć zakres pracy wykonywanej przez bazę danych.

Kiedy sprawdzić funkcję agregującą w serwisie komputerowym

Do serwisu warto zgłosić się wtedy, gdy nieprawidłowe wyniki zapytań występują razem z niestabilnym działaniem laptopa, samoczynnym zamykaniem aplikacji, problemami z odczytem danych albo spowolnieniem pracy programu korzystającego z bazy. Przyczyną może być zarówno błąd w konstrukcji zapytania, jak i problem z nośnikiem danych, pamięcią operacyjną, systemem plików lub konfiguracją środowiska. W Warszawskim Pogotowiu Komputerowym 24/7 można skonsultować takie objawy i przekazać urządzenie do sprawdzenia.

Przed zgłoszeniem dobrze jest przygotować opis problemu, przykład zapytania, oczekiwany wynik oraz rezultat faktycznie otrzymywany. Pomocne mogą być także informacje o tym, od kiedy występuje problem, czy dotyczy wszystkich tabel oraz czy pojawia się po zmianie programu lub danych. Nie powinno się kasować tabel, wykonywać masowych modyfikacji ani instalować przypadkowych narzędzi naprawczych bez kopii zapasowej.

Jeżeli zapytanie zwraca wynik pusty, zbyt wysoki albo zmienia się po dodaniu połączenia tabel, należy najpierw sprawdzić zakres danych, wartości NULL, warunki JOIN i poziom grupowania. Jeżeli jednocześnie widoczne są objawy sprzętowe lub systemowe, potrzebna może być szersza diagnostyka. Dopiero po rozdzieleniu problemu logicznego od technicznego można bezpiecznie ocenić, czy wystarczy poprawa zapytania, czy konieczne jest sprawdzenie urządzenia i środowiska pracy.