在Oracle数据库中，count函数用于计算某个列或表达式的行数。它可以用于SELECT语句中的SELECT列表、WHERE子句、HAVING子句和ORDER BY子句。

一、各子句的count使用

1、SELECT列表中使用count

在SELECT语句的SELECT列表中，可以使用count函数来统计某个列或表达式的行数。例如，下面的SQL语句将返回employees表中的员工数：

SELECT count(*)
FROM employees;

2、WHERE子句中使用count

在SELECT语句的WHERE子句中，可以使用count函数来过滤行数满足某个条件的记录。例如，下面的SQL语句将返回employees表中工资大于等于5000的员工数：

SELECT count(*)
FROM employees
WHERE salary >= 5000;

3、HAVING子句中使用count

在SELECT语句的HAVING子句中，可以使用count函数来统计分组后的行数，并过滤出满足某个条件的记录。HAVING子句用于过滤分组后的结果集。当count函数出现在HAVING子句后面时，它用于计算分组后的行数，以便对结果集进行过滤。例如，下面的SQL语句将返回所有部门中员工数大于等于5的部门：

SELECT department, count(*)
FROM employees
GROUP BY department
HAVING count(*) >= 5;

count(*)用于计算每个部门的员工数，而HAVING子句用于过滤出员工数大于等于5的部门。

4、ORDER BY子句中使用count

在SELECT语句的ORDER BY子句中，可以使用count函数来按照某个列或表达式的行数对结果集进行排序。例如，下面的SQL语句将返回employees表中按照工资升序排序的员工数：

SELECT count(*)
FROM employees
ORDER BY salary ASC;

总结一下哈，其实count函数在SELECT语句中的实际用法包括：统计行数、过滤行数、分组统计行数并过滤、按照行数排序等。使用count函数可以方便地对结果集进行筛选和排序，从而满足不同的查询需求。

二、count(1)、count(*)、count(列)、count(distinct列)

count(1)、count(*)和count(列）都可以用于计算行数，但是它们的实现方式不同。

1、count(1)：

表示计算结果集中每一行都有值的列数，而这个值可以是任何值，因为只是要计算行数。实际上，count(1)的执行效率比count(*)更高，因为它不需要读取表中的所有列。

例如，下面的SQL语句将返回表中所有行的行数：

SELECT count(1)
FROM table_name;

2、count(*)：

表示计算结果集中所有行的行数，即统计所有行，包括NULL值，而且它会读取表中的所有列。因此，如果表中有大量的列，使用count(*)的执行效率可能会较低。

例如，下面的SQL语句将返回表中所有行的行数：

SELECT count(*)
FROM table_name;

3、count(列)：

当需要统计某一列的非空数量时，应该使用count(列)，例如count(id)可以统计id列中非空值的数量。--不包含NULL值

例如，下面的SQL语句将返回表中所有行的行数：

select count(comm)
from emp；

4、count(distinct列)

在Oracle中，COUNT(DISTINCT 列)用于计算某一列中不同值的数量。它会跳过重复的值，只计算不同的值。

例如，假设有一个名为employee的表，其中有一个列为department，表示员工所在的部门。要计算不同部门的数量，可以使用以下查询语句：

SELECT COUNT(DISTINCT department)
FROM employee;

这将返回employee表中不同部门的数量。

另外，COUNT(DISTINCT 列)也可以与其他函数一起使用，例如：

SELECT AVG(SALARY), COUNT(DISTINCT department)
FROM employee;

这将返回employee表中平均工资和不同部门的数量。

需要注意的是，COUNT(DISTINCT 列)可能会影响查询性能，因为它需要对列中的所有不同值进行排序和比较。因此，在使用它时需要谨慎考虑性能问题。

总结：

当只需要统计行数时，建议使用count(1)，因为它的执行效率更高。

但是，在需要统计NULL值的情况下，只能使用count(*)。

总之，使用哪种count函数最终取决于具体需求和查询效率。

免责申明：

本文系转载，版权归原作者所有，如若侵权请联系我们进行删除！

《数据治理行业实践白皮书》下载地址：https://fs80.cn/4w2atu

《数栈V6.0产品白皮书》下载地址：https://fs80.cn/cw0iw1

想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=bbs

同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack