Ngày 9: Nhóm dữ liệu với GROUP BY và HAVING

Tóm tắt: Ngày 8 bạn đã tính một con số cho cả bảng (tổng số đơn, tổng tiền). Hôm nay bạn chia các dòng thành từng nhóm bằng GROUP BY để có một con số cho mỗi nhóm (số đơn của mỗi khách, số đơn mỗi tháng), rồi lọc các nhóm bằng HAVING. Cuối bài là thứ tự thực thi logic đầy đủ của câu SELECT, chìa khóa để hiểu vì sao WHERE và HAVING khác nhau.

Sau bài này bạn có thể:

• Viết truy vấn GROUP BY theo một cột, nhiều cột hoặc một biểu thức (năm, tháng) để làm báo cáo tổng hợp.
• Giải thích được quy tắc "cột trong SELECT phải nằm trong GROUP BY hoặc nằm trong hàm tổng hợp" và sửa được lỗi tương ứng.
• Chọn đúng giữa WHERE (lọc dòng trước khi nhóm) và HAVING (lọc nhóm sau khi nhóm).
• Sắp xếp được các mệnh đề FROM, WHERE, GROUP BY, HAVING, SELECT, DISTINCT, ORDER BY, LIMIT theo thứ tự database xử lý.

Cần biết trước: Ngày 3 (SELECT, WHERE, NULL), Ngày 4 (ORDER BY, LIMIT), Ngày 5 (EXTRACT, DATE_TRUNC, ROUND), Ngày 8 (COUNT, SUM, AVG, MIN, MAX).

Mọi ví dụ chạy trên bộ dữ liệu DSC Shop. Nếu chưa dựng môi trường, xem setup/README.md.

1. Từ một con số đến một con số cho mỗi nhóm

Ở Ngày 8, hàm tổng hợp gom cả bảng thành một dòng:

SELECT COUNT(*) AS so_don
FROM orders;

so_don
40

Nhưng người quản lý cửa hàng thường hỏi chi tiết hơn: "trong 40 đơn đó, bao nhiêu đơn đã giao, bao nhiêu đơn bị hủy?". Bạn cần một con số cho mỗi trạng thái. Đó là việc của GROUP BY.

Hình dung thế này: database đọc từng đơn hàng và bỏ vào các "xô" theo giá trị cột status. Đơn delivered vào xô delivered, đơn cancelled vào xô cancelled. Sau đó hàm tổng hợp chạy riêng trên từng xô, và mỗi xô cho ra đúng một dòng kết quả.

SELECT status, COUNT(*) AS so_don
FROM orders
GROUP BY status
ORDER BY so_don DESC;

status	so_don
delivered	33
cancelled	3
paid	2
pending	1
shipped	1

Cú pháp chung:

SELECT cot_nhom, HAM_TONG_HOP(cot_khac)
FROM ten_bang
GROUP BY cot_nhom;

Một ví dụ khác: đếm số đơn của mỗi khách hàng.

SELECT customer_id, COUNT(*) AS so_don
FROM orders
GROUP BY customer_id
ORDER BY so_don DESC, customer_id;

customer_id	so_don
1	5
2	4
3	3
4	3
6	3
5	2
7	2
...	...

(... tổng 16 dòng)

Có 18 khách nhưng chỉ 16 nhóm: khách 16 và 17 chưa có đơn nào, nên trong bảng orders không có dòng nào để tạo nhóm cho họ. Muốn hiện cả khách chưa mua với số đơn bằng 0, bạn cần ghép bảng customers với orders, sẽ học ở Ngày 10.

2. Quy tắc vàng: cột trong SELECT phải "đại diện" được cho cả nhóm

Sau khi nhóm, mỗi nhóm chỉ còn một dòng. Vậy mỗi cột trong SELECT phải cho ra đúng một giá trị cho nhóm đó. Chỉ có hai loại cột làm được việc này:

1. Cột có trong GROUP BY (cả nhóm có chung một giá trị).
2. Hàm tổng hợp (COUNT, SUM, ...) gom nhiều giá trị thành một.

Thử chọn thêm order_date khi nhóm theo customer_id:

SELECT customer_id, order_date, COUNT(*)
FROM orders
GROUP BY customer_id;

PostgreSQL báo lỗi:

ERROR:  column "orders.order_date" must appear in the GROUP BY clause or be used in an aggregate function

Lý do: khách 1 có 5 đơn với 5 ngày khác nhau. Database không biết bạn muốn ngày nào. Nếu bạn muốn ngày đơn đầu tiên và đơn gần nhất, hãy nói rõ bằng hàm tổng hợp:

SELECT customer_id,
       COUNT(*)               AS so_don,
       MIN(order_date)::date  AS don_dau_tien,
       MAX(order_date)::date  AS don_gan_nhat
FROM orders
GROUP BY customer_id
ORDER BY customer_id
LIMIT 3;

customer_id	so_don	don_dau_tien	don_gan_nhat
1	5	2025-01-12	2026-09-02
2	4	2025-01-20	2026-06-15
3	3	2025-02-03	2026-10-14

Ghi chú dialect: MySQL khi tắt chế độ ONLY_FULL_GROUP_BY (mặc định đang bật từ MySQL 5.7) và SQLite không báo lỗi câu trên mà trả về một order_date bất kỳ trong nhóm. Kết quả đó không đáng tin, đừng dựa vào nó. PostgreSQL và SQL Server luôn báo lỗi.

3. GROUP BY nhiều cột

Liệt kê nhiều cột trong GROUP BY thì mỗi tổ hợp giá trị khác nhau là một nhóm. Ví dụ: số đơn theo kênh bán và trạng thái.

SELECT channel, status, COUNT(*) AS so_don
FROM orders
GROUP BY channel, status
ORDER BY channel, status;

channel	status	so_don
offline	delivered	15
online	cancelled	3
online	delivered	18
online	paid	2
online	pending	1
online	shipped	1

Chỉ những tổ hợp thật sự xuất hiện trong dữ liệu mới thành nhóm. Không có đơn offline nào bị hủy nên không có dòng offline | cancelled.

4. GROUP BY theo biểu thức

Bạn không bắt buộc nhóm theo một cột có sẵn. Nhóm theo một biểu thức cũng được, rất hay dùng với ngày tháng (đã học EXTRACT, DATE_TRUNC ở Ngày 5).

Số đơn mỗi năm:

SELECT EXTRACT(YEAR FROM order_date) AS nam,
       COUNT(*) AS so_don
FROM orders
GROUP BY EXTRACT(YEAR FROM order_date)
ORDER BY nam;

nam	so_don
2025	25
2026	15

Tổng tiền của từng đơn hàng: bảng orders không có cột tổng tiền, tổng tiền luôn tính từ order_items bằng quantity * unit_price * (1 - discount). Nhóm theo order_id là ra tổng tiền mỗi đơn.

SELECT order_id,
       COUNT(*) AS so_dong_hang,
       ROUND(SUM(quantity * unit_price * (1 - discount))) AS tong_tien
FROM order_items
GROUP BY order_id
ORDER BY order_id
LIMIT 5;

order_id	so_dong_hang	tong_tien
1	2	699000
2	1	26990000
3	2	5780000
4	2	7881000
5	1	32990000

ROUND ở đây để bỏ phần .00 sinh ra do discount có 2 chữ số thập phân.

5. NULL tạo thành một nhóm riêng

Ở Ngày 3 bạn biết NULL = NULL không cho ra TRUE. Riêng với GROUP BY, mọi giá trị NULL được gom chung vào một nhóm. Xem số khách theo thành phố:

SELECT city,
       COUNT(*)     AS so_khach,
       COUNT(phone) AS co_sdt
FROM customers
GROUP BY city
ORDER BY so_khach DESC, city;

city	so_khach	co_sdt
Hà Nội	4	2
TP. Hồ Chí Minh	3	3
Cần Thơ	2	2
Đà Nẵng	2	1
NULL	2	1
Biên Hòa	1	1
đà nẵng	1	1
Hải Phòng	1	1
Hồ Chí Minh	1	1
TP.HCM	1	1

Hai điều rút ra:

• Hai khách không có city nằm chung nhóm NULL.
• GROUP BY so sánh chính xác từng ký tự. TP. Hồ Chí Minh, Hồ Chí Minh, TP.HCM là ba nhóm khác nhau, Đà Nẵng và đà nẵng cũng vậy. Dữ liệu bẩn làm báo cáo sai, nên nhóm theo biểu thức đã làm sạch (bạn đã luyện ở Ngày 5) trước khi tin vào con số.

Cột co_sdt nhắc lại bài Ngày 8: COUNT(*) đếm mọi dòng của nhóm, còn COUNT(phone) bỏ qua dòng có phone là NULL.

6. HAVING: lọc nhóm sau khi nhóm

Câu hỏi: "khách nào đã đặt từ 3 đơn trở lên?". Điều kiện COUNT(*) >= 3 nói về cả nhóm, không nói về một dòng đơn lẻ. Thử viết vào WHERE:

SELECT customer_id, COUNT(*) AS so_don
FROM orders
WHERE COUNT(*) >= 3
GROUP BY customer_id;

ERROR:  aggregate functions are not allowed in WHERE

Điều kiện trên nhóm phải đặt trong HAVING, viết sau GROUP BY:

SELECT customer_id, COUNT(*) AS so_don
FROM orders
GROUP BY customer_id
HAVING COUNT(*) >= 3
ORDER BY so_don DESC, customer_id;

customer_id	so_don
1	5
2	4
3	3
4	3
6	3

HAVING cũng dùng được với các hàm tổng hợp khác. Các đơn có tổng tiền trên 30 triệu:

SELECT order_id,
       ROUND(SUM(quantity * unit_price * (1 - discount))) AS tong_tien
FROM order_items
GROUP BY order_id
HAVING SUM(quantity * unit_price * (1 - discount)) > 30000000
ORDER BY tong_tien DESC;

order_id	tong_tien
39	39980000
5	32990000
12	31880000
27	31340500

7. WHERE và HAVING dùng cùng nhau

WHERE và HAVING không loại trừ nhau. Một câu truy vấn thường có cả hai: WHERE bỏ các dòng không cần trước khi nhóm, HAVING bỏ các nhóm không đạt sau khi nhóm.

Câu hỏi: "khách nào có từ 3 đơn trở lên, không tính đơn đã hủy?"

SELECT customer_id, COUNT(*) AS so_don
FROM orders
WHERE status <> 'cancelled'
GROUP BY customer_id
HAVING COUNT(*) >= 3
ORDER BY so_don DESC, customer_id;

customer_id	so_don
1	5
2	4
3	3
6	3

Khách 4 biến mất: khách này có 3 đơn nhưng đơn 5 bị hủy. WHERE bỏ đơn 5 trước khi đếm (40 đơn còn 37), nên nhóm của khách 4 chỉ còn 2 đơn và bị HAVING loại.

	WHERE	HAVING
Lọc cái gì	Từng dòng	Từng nhóm
Chạy lúc nào	Trước khi nhóm	Sau khi nhóm
Dùng được hàm tổng hợp (COUNT, SUM, ...)	Không	Có
Dùng chung với GROUP BY	Có	Có
Không có GROUP BY thì sao	Lọc dòng như bình thường	Cả bảng được coi là một nhóm

Quy tắc thực hành: điều kiện trên cột thường (status, order_date, channel) đặt ở WHERE. Chỉ điều kiện trên hàm tổng hợp mới đặt ở HAVING. Viết HAVING status <> 'cancelled' sẽ lỗi nếu status không nằm trong GROUP BY; và kể cả khi chạy được, lọc sớm bằng WHERE giúp database phải nhóm ít dòng hơn.

8. Thứ tự thực thi logic đầy đủ

Ở Ngày 3 bạn đã biết database xử lý FROM → WHERE → SELECT. Giờ có thêm nhóm, thứ tự đầy đủ là:

Bước	Mệnh đề	Làm gì
1	FROM (và JOIN, Ngày 10)	Lấy bảng nguồn
2	WHERE	Lọc từng dòng
3	GROUP BY	Gom dòng thành nhóm
4	HAVING	Lọc từng nhóm
5	SELECT	Tính các cột, đặt tên (alias)
6	DISTINCT	Bỏ dòng trùng
7	ORDER BY	Sắp xếp
8	LIMIT / OFFSET	Cắt lấy một phần

Đây là thứ tự logic, tức là kết quả luôn giống như khi chạy theo thứ tự này. Bên trong, database có thể làm khác đi để chạy nhanh hơn (bạn sẽ thấy ở Ngày 20).

Sơ đồ dưới đây đi theo truy vấn ở mục 7:

File gốc: nền sáng · nền tối

Thứ tự này giải thích luôn chuyện dùng alias (tên đặt bằng AS) ở đâu được:

• ORDER BY so_don chạy được, vì ORDER BY (bước 7) chạy sau SELECT (bước 5), lúc đó tên so_don đã có.
• HAVING so_don >= 3 thì lỗi, vì HAVING (bước 4) chạy trước khi SELECT đặt tên:

SELECT customer_id, COUNT(*) AS so_don
FROM orders
GROUP BY customer_id
HAVING so_don >= 3;

ERROR:  column "so_don" does not exist

Cách đúng là lặp lại biểu thức: HAVING COUNT(*) >= 3.

Ghi chú dialect: PostgreSQL và MySQL cho phép viết alias trong GROUP BY (ví dụ GROUP BY nam thay cho GROUP BY EXTRACT(YEAR FROM order_date)), đây là phần mở rộng ngoài chuẩn SQL. SQL Server không cho, bạn phải lặp lại biểu thức. Lặp lại biểu thức là cách chạy được ở mọi nơi. MySQL còn cho dùng alias trong HAVING, PostgreSQL và SQL Server thì không.

9. Nhắc qua: dòng tổng cộng với ROLLUP

Báo cáo thường cần thêm một dòng "tổng cộng" ở cuối. GROUP BY ROLLUP (...) làm việc đó:

SELECT channel, COUNT(*) AS so_don
FROM orders
GROUP BY ROLLUP (channel)
ORDER BY channel;

channel	so_don
offline	15
online	25
NULL	40

Dòng có channel là NULL chính là dòng tổng của mọi nhóm. Bạn chỉ cần biết ROLLUP tồn tại; các báo cáo nhiều cấp (ROLLUP, CUBE, GROUPING SETS) nằm ngoài phạm vi khóa này.

Lỗi thường gặp

1. Chọn cột không nằm trong GROUP BY. Đã gặp ở mục 2. Hỏi lại bản thân: "mỗi nhóm có đúng một giá trị cho cột này không?". Nếu không, đưa cột đó vào GROUP BY hoặc bọc trong hàm tổng hợp.

2. Dùng hàm tổng hợp trong WHERE. WHERE COUNT(*) >= 3 lỗi aggregate functions are not allowed in WHERE. Chuyển điều kiện sang HAVING.

3. Nhóm theo tên thay vì theo khóa. DSC Shop có hai khách khác nhau cùng tên Nguyễn Văn An (id 1 và 15):

SELECT full_name, COUNT(*) AS so_khach
FROM customers
GROUP BY full_name
HAVING COUNT(*) > 1;

full_name	so_khach
Nguyễn Văn An	2

Nếu bạn nhóm đơn hàng theo tên khách, đơn của hai người này bị gộp làm một. Luôn nhóm theo khóa chính (customer_id), tên chỉ để hiển thị.

4. Tưởng GROUP BY tự sắp xếp. Có lúc kết quả nhìn như đã sắp xếp, nhưng đó là tình cờ. Chạy câu này nhiều lần hoặc trên máy khác, thứ tự có thể khác:

SELECT status, COUNT(*) AS so_don
FROM orders
GROUP BY status;

status	so_don
delivered	33
cancelled	3
pending	1
paid	2
shipped	1

Muốn có thứ tự, luôn viết ORDER BY.

5. Dùng alias trong HAVING. Đã gặp ở mục 8: HAVING so_don >= 3 lỗi trong PostgreSQL. Viết lại biểu thức HAVING COUNT(*) >= 3.

6. Đặt điều kiện trên cột thường vào HAVING. Lọc status, order_date ở WHERE để database nhóm ít dòng hơn và câu lệnh dễ đọc hơn. HAVING chỉ dành cho điều kiện trên nhóm.

Bài tập

Cơ bản

Bài 1. Đếm số sản phẩm trong mỗi danh mục (category_id), kèm giá thấp nhất và cao nhất của danh mục đó. Sắp xếp theo category_id.

Đáp án

SELECT category_id,
       COUNT(*)   AS so_san_pham,
       MIN(price) AS gia_thap_nhat,
       MAX(price) AS gia_cao_nhat
FROM products
GROUP BY category_id
ORDER BY category_id;

Kết quả:

category_id	so_san_pham	gia_thap_nhat	gia_cao_nhat
3	3	21990000	32990000
4	3	16990000	24990000
5	3	4290000	9990000
7	4	690000	19990000
8	2	9490000	16990000
10	4	250000	2490000
11	3	2690000	7990000
12	2	150000	890000

Danh mục 1, 2, 6, 9 là danh mục cha, 13 chưa có sản phẩm, nên không xuất hiện.

Bài 2. Đếm số đơn theo từng năm và từng kênh bán (channel).

Đáp án

SELECT EXTRACT(YEAR FROM order_date) AS nam,
       channel,
       COUNT(*) AS so_don
FROM orders
GROUP BY EXTRACT(YEAR FROM order_date), channel
ORDER BY nam, channel;

Kết quả:

nam	channel	so_don
2025	offline	10
2025	online	15
2026	offline	5
2026	online	10

Bài 3. Với mỗi phương thức thanh toán (payments.method), cho biết số lần thanh toán và tổng tiền. Sắp xếp theo tổng tiền giảm dần.

Đáp án

SELECT method,
       COUNT(*)    AS so_lan,
       SUM(amount) AS tong_tien
FROM payments
GROUP BY method
ORDER BY tong_tien DESC;

Kết quả:

method	so_lan	tong_tien
bank_transfer	8	166691500
momo	14	157951000
card	7	112317500
cash	8	99331000

Vận dụng

Bài 4. Tìm 5 sản phẩm (product_id) có giá trị đặt hàng cao nhất trong order_items (tổng quantity * unit_price * (1 - discount)), kèm tổng số lượng đã đặt. Làm tròn đến đồng.

Lưu ý: đây chưa phải doanh thu. Trong khóa này, doanh thu chỉ tính các đơn có status NOT IN ('pending', 'cancelled') (đơn đã thanh toán, khớp với bảng payments). Muốn lọc theo status phải ghép order_items với orders, việc của Ngày 10. Bài này tính mọi đơn, kể cả đơn chờ xử lý và đơn hủy.

Đáp án

SELECT product_id,
       SUM(quantity) AS so_luong,
       ROUND(SUM(quantity * unit_price * (1 - discount))) AS gia_tri_dat
FROM order_items
GROUP BY product_id
ORDER BY gia_tri_dat DESC
LIMIT 5;

Kết quả:

product_id	so_luong	gia_tri_dat
10	4	78960500
1	2	64330500
2	2	59980000
5	2	50730500
3	2	43830500

Bài 5. Chỉ giữ các phương thức thanh toán có tổng tiền trên 100 triệu.

Đáp án

SELECT method,
       COUNT(*)    AS so_lan,
       SUM(amount) AS tong_tien
FROM payments
GROUP BY method
HAVING SUM(amount) > 100000000
ORDER BY tong_tien DESC;

Kết quả:

method	so_lan	tong_tien
bank_transfer	8	166691500
momo	14	157951000
card	7	112317500

cash có tổng 99.331.000 nên bị loại.

Bài 6. Với các đơn offline, mỗi nhân viên (employee_id) bán được bao nhiêu đơn? Sắp xếp giảm dần theo số đơn.

Đáp án

SELECT employee_id, COUNT(*) AS so_don
FROM orders
WHERE channel = 'offline'
GROUP BY employee_id
ORDER BY so_don DESC, employee_id;

Kết quả:

employee_id	so_don
4	5
5	5
6	4
8	1

channel = 'offline' là điều kiện trên từng dòng nên đặt ở WHERE.

Thử thách

Bài 7. Trong năm 2025, tháng nào có từ 3 đơn trở lên (không tính đơn đã hủy)? Hiển thị tháng dạng ngày đầu tháng (ví dụ 2025-09-01).

Đáp án

SELECT DATE_TRUNC('month', order_date)::date AS thang,
       COUNT(*) AS so_don
FROM orders
WHERE status <> 'cancelled'
  AND order_date >= '2025-01-01'
  AND order_date <  '2026-01-01'
GROUP BY DATE_TRUNC('month', order_date)
HAVING COUNT(*) >= 3
ORDER BY thang;

Kết quả:

thang	so_don
2025-09-01	3
2025-11-01	3

Lọc năm bằng khoảng >= '2025-01-01' AND < '2026-01-01' thay vì EXTRACT(YEAR ...) = 2025: kết quả như nhau, nhưng cách so sánh trực tiếp trên cột cho phép database dùng index (Ngày 15, 28).

Bài 8. Tìm các sản phẩm xuất hiện trong ít nhất 3 đơn hàng khác nhau. Hiển thị product_id, số đơn và tổng số lượng đã bán, sắp xếp theo số đơn giảm dần.

Đáp án

SELECT product_id,
       COUNT(DISTINCT order_id) AS so_don,
       SUM(quantity)            AS so_luong
FROM order_items
GROUP BY product_id
HAVING COUNT(DISTINCT order_id) >= 3
ORDER BY so_don DESC, product_id;

Kết quả:

product_id	so_don	so_luong
23	6	13
16	5	6
12	4	5
17	4	4
22	4	6
10	3	4
18	3	3
19	3	3
20	3	3

Khóa chính của order_items là (order_id, product_id), nên trong một nhóm product_id mỗi order_id chỉ xuất hiện một lần, COUNT(*) cũng cho cùng kết quả. Viết COUNT(DISTINCT order_id) thì ý nghĩa "số đơn khác nhau" rõ ràng hơn và vẫn đúng nếu sau này schema thay đổi.

Bài 9. "Có bao nhiêu khách đã đặt từ 3 đơn trở lên?" Câu trả lời là một con số. Thử nghĩ xem vì sao chỉ dùng GROUP BY và HAVING thì không ra được một con số.

Đáp án

GROUP BY customer_id HAVING COUNT(*) >= 3 cho ra 5 dòng (mỗi khách một dòng, xem mục 6). Muốn đếm số dòng đó, bạn phải tổng hợp thêm một lần nữa trên kết quả của truy vấn trước. Việc này cần truy vấn con trong FROM, học ở Ngày 11:

SELECT COUNT(*) AS so_khach
FROM (
    SELECT customer_id
    FROM orders
    GROUP BY customer_id
    HAVING COUNT(*) >= 3
) AS khach_than_thiet;

Kết quả:

so_khach
5

Tóm tắt

• GROUP BY chia các dòng thành nhóm theo giá trị của một hoặc nhiều cột (hoặc biểu thức); hàm tổng hợp chạy riêng trên từng nhóm, mỗi nhóm ra một dòng.
• Cột trong SELECT phải nằm trong GROUP BY hoặc nằm trong hàm tổng hợp.
• NULL gom chung thành một nhóm; giá trị viết khác nhau (Đà Nẵng, đà nẵng) là các nhóm khác nhau.
• WHERE lọc dòng trước khi nhóm, HAVING lọc nhóm sau khi nhóm. Hai mệnh đề thường đi cùng nhau.
• Thứ tự logic: FROM → WHERE → GROUP BY → HAVING → SELECT → DISTINCT → ORDER BY → LIMIT. Vì vậy alias dùng được trong ORDER BY nhưng không dùng được trong WHERE, HAVING.
• GROUP BY không đảm bảo thứ tự; cần thứ tự thì viết ORDER BY.
• Nhóm theo khóa chính, không nhóm theo tên.

Đọc thêm

• PostgreSQL: GROUP BY và HAVING
• PostgreSQL: GROUPING SETS, CUBE, ROLLUP
• Luỹ kế của bạn sai ngay dòng đầu: window function, RANGE và cái mặc định ít ai đọc — GROUP BY gom 200.000 dòng thành 200, window function giữ nguyên cả 200.000 mà vẫn có số tổng của nhóm (window function học ở Ngày 29).

---

⬅️ Ngày 8: Hàm tổng hợp (COUNT, SUM, AVG, MIN, MAX) | 📚 Mục lục | Ngày 10: Kết hợp nhiều bảng với JOIN ➡️