SQL GROUP BY Nhiều Cột: Mẹo và Thực hành Tốt nhất

Trong khi nhóm theo một cột là phổ biến, nhóm theo nhiều cột cho phép bạn tóm tắt các tập dữ liệu lớn bằng cách gom các hàng có giá trị chung, giúp bạn dễ dàng nhận diện các mẫu, xu hướng và ngoại lệ. 

Trong hướng dẫn này, tôi sẽ giải thích cách hoạt động của mệnh đề GROUP BY, các phương pháp nhóm nâng cao và thực hành tốt nhất. Nếu bạn mới học SQL, hãy bắt đầu với khóa Introduction to SQL hoặc Intermediate SQL để xây nền tảng vững chắc. Ngoài ra, tôi thấy SQL Basics Cheat Sheet mà bạn có thể tải về là tài liệu tham khảo hữu ích vì có đầy đủ những hàm SQL phổ biến nhất.

Những điều cơ bản về GROUP BY trong SQL

Trước khi giải thích cách nhóm theo nhiều cột trong SQL, hãy cùng hiểu các khái niệm cơ bản của mệnh đề GROUP BY. 

Nguyên tắc cơ bản của GROUP BY

Mệnh đề GROUP BY trong SQL tổ chức dữ liệu giống nhau thành các nhóm. Nó quét các hàng trong cơ sở dữ liệu rồi gom những hàng có cùng giá trị ở các cột chỉ định, cho phép tổng hợp dữ liệu trong từng nhóm đó.

Bạn có thể dùng mệnh đề GROUP BY với các hàm tổng hợp như COUNT(), SUM(), AVG(), MIN() và MAX() để thực hiện phép tính tóm tắt cho mỗi nhóm hàng. 

Giả sử bạn đang phân tích dữ liệu bán hàng và muốn biết doanh thu theo vùng. GROUP BY cho phép bạn nhóm doanh số theo vùng và tính tổng cho từng vùng chỉ trong một truy vấn.

Chuyển từ nhóm một cột sang nhiều cột

Cơ sở dữ liệu xử lý mệnh đề GROUP BY trên một cột bằng cách quét qua các hàng và phân đoạn chúng theo các giá trị khác nhau trong cột đó. Mỗi giá trị khác nhau tạo thành một nhóm, và các hàm tổng hợp tính toán kết quả trong từng nhóm.

Tuy nhiên, khi bạn đưa vào nhiều cột, SQL nhóm dữ liệu dựa trên mọi tổ hợp duy nhất của các cột đó. Điều này có nghĩa cơ sở dữ liệu phân vùng dữ liệu thành các nhóm nhỏ hơn, chi tiết hơn, được xác định bởi tất cả các giá trị cột được chỉ định.

Cách phân vùng này cho phép tổng hợp đa chiều. Điều này hữu ích cho BI và phân tích chi tiết. Nó cho phép phân tích chuyên sâu bằng cách tóm tắt dữ liệu tại giao điểm của nhiều chiều. Ví dụ, bạn có thể nhóm doanh số theo vùng và danh mục sản phẩm.

Hiểu về Nhóm Nhiều Cột

Như bạn đã thấy, nhóm dữ liệu theo nhiều cột giúp bạn có thêm nhiều góc nhìn. Giờ hãy xem SQL xử lý việc nhóm này như thế nào.

Cơ chế của nhóm nhiều cột

Khi bạn nhóm theo nhiều hơn một cột trong SQL, bộ máy cơ sở dữ liệu xem tổ hợp cột như các khóa tổng hợp. Mỗi tổ hợp duy nhất trong số này tạo thành một nhóm riêng biệt. Ví dụ, nhóm dữ liệu bán hàng theo region và product_type tạo ra một nhóm riêng cho mỗi cặp duy nhất, như ('West', 'Electronics'), ('East', 'Furniture'), v.v.

Điều này dẫn đến mô hình phân nhóm theo thứ bậc, trong đó cột đầu tiên tạo các nhóm chính, cột thứ hai tiếp tục phân nhóm chính thành các nhóm nhỏ hơn, và cứ thế. Kiểu nhóm phân tầng này tăng độ chi tiết bằng cách chia nhỏ thông tin theo các danh mục cụ thể.

Bạn cũng nên lưu ý sự khác nhau giữa nhóm theo thứ bậc và không theo thứ bậc. Nhóm theo thứ bậc tuân theo trình tự cột, nhóm và phân nhóm các cột theo một trình tự cụ thể. Ngược lại, nhóm không theo thứ bậc coi mỗi cột là một chiều khác và không theo thứ tự cố hữu nào. Tuy vậy, nhóm không theo thứ bậc vẫn tạo ra các tổ hợp hữu ích cho phân tích, như khi bạn muốn nhóm doanh số sản phẩm theo mùa.

Tầm quan trọng và hệ quả của thứ tự cột

Trong SQL, thứ tự bạn liệt kê các cột trong mệnh đề GROUP BY rất quan trọng. Khi bạn nhóm theo nhiều cột, SQL xử lý các cột đó cùng nhau như một khóa kết hợp, giống như ghép nhiều mảnh lại để định danh duy nhất từng nhóm.

SQL xử lý các cột từ trái sang phải. Nghĩa là nó nhóm dữ liệu theo cột đầu tiên bạn liệt kê, rồi trong mỗi nhóm đó, nó tiếp tục nhóm theo cột kế tiếp, và cứ thế. Thứ tự này có thể ảnh hưởng đến hiệu suất xử lý truy vấn của cơ sở dữ liệu, cách nó dùng chỉ mục, và cách xây dựng các nhóm trung gian, đặc biệt với các tập dữ liệu lớn.

Ví dụ, nếu bạn muốn nhóm dữ liệu theo vùng và sản phẩm, dữ liệu sẽ được nhóm theo vùng trước, rồi trong mỗi vùng, nhóm tiếp theo sản phẩm. Nhưng nếu bạn đảo thứ tự thành (sản phẩm, vùng), bạn thay đổi hệ thứ bậc nhóm, điều này có thể dẫn đến kết quả và cách diễn giải khác nhau trong báo cáo.

Cú pháp và Cơ chế

Hãy xem xét cú pháp và các biến thể của mệnh đề GROUP BY trong SQL để hiểu đầy đủ.

Cú pháp GROUP BY nhiều cột

Để dùng mệnh đề GROUP BY trên nhiều cột, bạn phải liệt kê từng cột trong câu lệnh SELECT, cách nhau bằng dấu phẩy. Cơ sở dữ liệu sẽ nhóm các hàng dựa trên tổ hợp duy nhất của các giá trị cột đó.

SELECT column1, column2, AGGREGATE_FUNCTION(column3)
FROM table_name
GROUP BY column1, column2;

Luôn đảm bảo tất cả các cột dùng trong câu lệnh SELECT mà không nằm trong hàm tổng hợp phải xuất hiện trong mệnh đề GROUP BY để tránh lỗi và đảm bảo kết quả tổng hợp dễ đọc.

Giả sử bạn có bảng Sales với cấu trúc sau:

Truy vấn dưới đây nhóm dữ liệu theo các cột region và product_category. Sau đó tính total_sales cho mỗi tổ hợp nhóm.

-- Group Sales by region and product category
SELECT region, product_category, SUM(quantity) AS total_sales
FROM Sales
GROUP BY region, product_category;

Các biến thể cú pháp nâng cao

Dưới đây là các cách khác nhau bạn có thể sử dụng mệnh đề GROUP BY trên nhiều cột trong SQL:

Tham chiếu cột theo số thứ tự

Thay vì dùng tên cột, SQL cho phép bạn chỉ định vị trí của các cột trong mệnh đề GROUP BY. Từ ví dụ trước, 1 tham chiếu cột region và 2 tham chiếu cột product_category. Cách này được hỗ trợ trong MySQL và PostgreSQL, nhưng không hỗ trợ SQL Server.

-- Group Sales by region and product category
SELECT region, product_category, SUM(quantity) AS total_sales
FROM Sales
GROUP BY 1, 2;

Nhóm dựa trên biểu thức

Bạn cũng có thể nhóm theo các biểu thức dẫn xuất hoặc giá trị tính toán. Điều này hữu ích khi nhóm theo dữ liệu đã biến đổi, như năm từ ngày hoặc chuỗi con. Ví dụ, truy vấn dưới đây nhóm doanh số theo tháng được dẫn xuất từ sale_date.

-- Group Sales by month derived from date column
SELECT 
    DATENAME(MONTH, sale_date) AS sale_month, 
    COUNT(*) AS total_orders
FROM Sales
GROUP BY DATENAME(MONTH, sale_date), MONTH(sale_date)
ORDER BY MONTH(sale_date);

Chọn nhiều cột nhưng chỉ nhóm theo một cột

SQL cho phép bạn chọn nhiều cột trong khi chỉ nhóm theo một cột, nhưng chỉ khi các cột bổ sung được dùng trong hàm tổng hợp. Trong ví dụ dưới đây, chỉ có region nằm trong mệnh đề GROUP BY, trong khi product_id được dùng trong một hàm tổng hợp (COUNT(DISTINCT)), khiến truy vấn hợp lệ.

-- Group Sales by region only
SELECT region, COUNT(DISTINCT sale_id) AS product_variety
FROM Sales
GROUP BY region;

Tôi khuyến nghị bạn thử dự án Analyzing and Formatting PostgreSQL Sales Data để hiểu cách thao tác dữ liệu trong PostgreSQL. Ngoài ra, MySQL Basics Cheat Sheet sẽ là tài liệu tham khảo tiện dụng về truy vấn bảng cơ bản, lọc dữ liệu và tổng hợp dữ liệu, đặc biệt nếu bạn ưa dùng MySQL.

Hàm Tổng hợp với GROUP BY

Ưu điểm của mệnh đề GROUP BY trong SQL là bạn có thể dùng cùng với các hàm tổng hợp để có bản tóm tắt dữ liệu đã nhóm. 

Các hàm tổng hợp phổ biến trong nhóm nhiều cột

Các hàm tổng hợp mang lại góc nhìn đa chiều trên nhiều tổ hợp dữ liệu khi nhóm theo nhiều cột. Đây là các hàm thường dùng với mệnh đề GROUP BY:

• SUM(): Cộng tất cả giá trị trong một cột số cho mỗi nhóm.

• COUNT(): Đếm số hàng hoặc số giá trị khác NULL trong mỗi nhóm.

• AVG(): Tính giá trị trung bình trong mỗi nhóm.

• MIN(): Tìm giá trị nhỏ nhất trong mỗi nhóm.

• MAX(): Tìm giá trị lớn nhất trong mỗi nhóm.

Ví dụ, truy vấn dưới đây tính tổng doanh số và số bản ghi bán hàng cho mỗi tổ hợp vùng và danh mục sản phẩm

-- Group by region, product_category then aggregate
SELECT region, product_category, SUM(quantity) AS total_sales, COUNT(*) AS sales_count
FROM Sales
GROUP BY region, product_category;

GROUP BY không kèm hàm tổng hợp

Trong các ví dụ trên, bạn đã thấy mệnh đề GROUP BY được dùng cùng các hàm tổng hợp. Tuy nhiên, bạn có thể dùng mà không tổng hợp nếu muốn nhóm các hàng theo các cột chỉ định nhưng không cần bản tóm tắt.

Ví dụ, truy vấn dưới đây xuất ra các cặp vùng và danh mục sản phẩm duy nhất mà không tổng hợp. Do đó, bạn có thể dùng cách này để kiểm tra tính nhất quán dữ liệu.

--Group by multiple columns without aggregate
SELECT region, product_category
FROM Sales
GROUP BY region, product_category;

Tính năng Nhóm Nâng cao

Giờ chúng ta đã xem cách nhóm theo nhiều cột, hãy tìm hiểu các phép nhóm nâng cao dùng với mệnh đề GROUP BY.

Phép ROLLUP

Phép ROLLUP mở rộng mệnh đề GROUP BY tiêu chuẩn bằng cách tạo các cấp độ tóm tắt cuộn dọc theo các cột chỉ định. Bên cạnh việc hiển thị các nhóm chi tiết, nó còn thêm các tổng phụ và tổng cộng bằng cách tổng hợp lần lượt từ phải sang trái qua các cột bạn nhóm.

Ví dụ, trong truy vấn dưới đây, bạn nhận được total_quantity cho mỗi tổ hợp của region và product_category. Kết quả bao gồm tổng phụ cho mỗi vùng (nơi product_category xuất hiện là NULL) và tổng cộng bao quát tất cả các vùng và danh mục.

-- Group by region, product_category and ROLLUP by region
SELECT region, product_category, SUM(quantity) AS total_quantity
FROM Sales
GROUP BY ROLLUP(region, product_category);

Phép CUBE

Phép CUBE tạo ra tất cả các tổ hợp có thể của các cột nhóm. Không giống ROLLUP tạo thứ bậc, CUBE tạo một khối dữ liệu tổng hợp đầy đủ.

Nó cung cấp bảng chéo các phép tổng hợp cho mọi tập con của các cột chỉ định. Kết quả của phép CUBE bao gồm tóm tắt cho từng cột, mọi tổ hợp cột, và tổng cộng.

Ví dụ, nếu chúng ta truy vấn bảng trên và nhóm theo các cột (region, product_category), phép CUBE sẽ tạo các tổ hợp sau: 

• (region, product_category)

• (region, NULL)

• (NULL, product_category)

• (NULL, NULL) là tổng cộng

-- Group by multiple columns using CUBE operation
SELECT region, product_category, SUM(quantity) AS total_quantity
FROM Sales
GROUP BY CUBE(region, product_category);

GROUPING SETS và siêu dữ liệu

Nếu bạn muốn kiểm soát linh hoạt hơn cách dữ liệu được nhóm, phép GROUPING SETS cho phép bạn định nghĩa tường minh nhiều cách nhóm trong một truy vấn.

Trong trường hợp này, hàm GROUPING() cung cấp siêu dữ liệu về những cột nào được tổng hợp trong mỗi hàng của kết quả, nhận diện các NULL đại diện cho hàng tổng phụ hoặc tổng cộng chứ không phải dữ liệu thiếu thực sự.

-- Group by multiple columns using GROUPING SETS operation
SELECT region, product_category, SUM(quantity) AS total_quantity,
       GROUPING(region) AS region_grouping,
       GROUPING(product_category) AS product_grouping
FROM Sales
GROUP BY GROUPING SETS (
  (region, product_category),
  (region),
  (product_category),
  ()
);

Cân nhắc Hiệu năng và Tối ưu hóa

Khi viết các truy vấn nhóm theo nhiều cột, việc tối ưu hóa để đạt hiệu quả tốt hơn và hiệu năng tổng thể của cơ sở dữ liệu là rất quan trọng. Dưới đây là một số mẹo thực tế tôi đã dùng để hỗ trợ tối ưu truy vấn và quản lý tài nguyên

Kỹ thuật tối ưu hóa truy vấn

Để truy vấn chạy mượt và dùng ít tài nguyên nhất:

• Xác định nút thắt hiệu năng: Truy vấn GROUP BY có thể chậm khi xử lý tập dữ liệu lớn do phải quét, sắp xếp và tổng hợp nhiều dữ liệu. Để tránh, hãy luôn lọc sớm với mệnh đề WHERE và tránh lấy dữ liệu không cần thiết.

• Sử dụng chỉ mục hiệu quả: Đánh chỉ mục các cột giúp tăng tốc hiệu năng GROUP BY. Tạo chỉ mục tổng hợp trên các cột dùng trong mệnh đề GROUP BY giúp bộ máy CSDL nhanh chóng định vị và nhóm các hàng mà không cần quét toàn bảng hay sắp xếp tốn kém.

• Giới hạn cột: Chỉ đưa vào những cột cần thiết cho việc nhóm và phân tích để giảm độ phức tạp và cải thiện hiệu năng.

• Tận dụng kế hoạch truy vấn: Nơi có thể, hãy kiểm tra execution plan hoặc dùng gợi ý truy vấn để hướng bộ tối ưu hóa CSDL tới chiến lược tốt nhất.

Phân bổ bộ nhớ và tài nguyên tính toán

Bộ nhớ đóng vai trò lớn trong hiệu năng truy vấn GROUP BY. Việc sắp xếp và nhóm dữ liệu thường cần giữ dữ liệu trung gian trong bộ nhớ. Nếu không đủ bộ nhớ, hiệu năng sẽ giảm đáng kể.

Để quản lý tài nguyên tốt hơn:

• Đảm bảo CSDL có đủ bộ nhớ được cấp để xử lý các tác vụ tổng hợp này.
• Dùng tính năng xử lý song song nếu CSDL hỗ trợ để phân tán khối lượng công việc qua nhiều CPU.
• Theo dõi bộ nhớ tạm và bộ nhớ đệm để tránh nút thắt.

Ngoài ra, hãy nhớ kích thước dữ liệu ảnh hưởng lớn đến hiệu năng. Tập dữ liệu lớn với nhiều tổ hợp nhóm duy nhất sẽ dùng nhiều bộ nhớ và năng lực xử lý hơn. Các kỹ thuật như phân vùng bảng lớn, tạo bảng tóm tắt trước hoặc dùng materialized view giúp mọi thứ dễ kiểm soát.

Tích hợp với Các Mệnh đề SQL Khác

Mệnh đề GROUP BY hoạt động tốt với các mệnh đề SQL khác, giúp truy vấn của bạn mạnh mẽ và linh hoạt hơn. Tiếp theo, bạn sẽ thấy các ví dụ thực tế về cách kết hợp GROUP BY với các mệnh đề SQL khác nhau để cải thiện phân tích.

Tương tác với mệnh đề WHERE và HAVING

Mệnh đề WHERE lọc các hàng trước khi nhóm diễn ra. Nó giới hạn tập dữ liệu để chỉ những hàng cần thiết mới được đưa vào quá trình tổng hợp. Ví dụ, truy vấn dưới đây nhóm theo region and product_category` nhưng chỉ bao gồm bản ghi có vùng là ‘North.’

-- Group by multiple columns, filter using WHERE clause
SELECT region, product_category, SUM(quantity) AS total_quantity
FROM Sales
WHERE region = 'North'
GROUP BY region, product_category;

Mệnh đề HAVING lại lọc sau khi tổng hợp. Nó dùng để giới hạn nhóm nào xuất hiện trong kết quả dựa trên giá trị tổng hợp. Truy vấn bên dưới nhóm theo region and product_category nhưng chỉ bao gồm các bản ghi có total_quantity` lớn hơn 5.

-- Group by multiple columns, filter using HAVING clause
SELECT region, product_category, SUM(quantity) AS total_quantity
FROM Sales
GROUP BY region, product_category
HAVING SUM(quantity) > 4;

Tương tác với ORDER BY và JOIN

Trong thứ tự thực thi của SQL, thì mệnh đề ORDER BY đứng sau GROUP BY và dùng để sắp xếp kết quả đã nhóm, giúp chúng dễ đọc hơn hoặc xử lý tiếp. Bằng cách dùng chỉ mục phù hợp và chọn cột một cách cẩn thận trong mệnh đề ORDER BY, bạn có thể tăng tốc truy vấn bằng cách giảm công việc sắp xếp dữ liệu.

Ví dụ, truy vấn này nhóm dữ liệu theo region và product_category, rồi sắp xếp kết quả để các nhóm có total_quantity cao nhất xuất hiện trước.

-- Group by multiple columns, ORDER BY total_quantity
SELECT region, product_category, SUM(quantity) AS total_quantity
FROM Sales
GROUP BY region, product_category
ORDER BY total_quantity DESC;

Bạn cũng có thể kết hợp các phép JOIN với mệnh đề GROUP BY để nhóm dữ liệu qua nhiều bảng liên quan. Hãy thận trọng khi dùng cách này vì có thể làm tăng độ phức tạp do join dữ liệu có kích thước lớn.

-- Retrieve the number of sales per region and product category
SELECT 
    c.region,
    p.product_category,
    COUNT(*) AS sales_count

-- Join customer, sales, and product data
FROM customers c
JOIN sales_data s 
    ON c.customer_id = s.customer_id
JOIN products p 
    ON s.product_id = p.product_id

-- Group results by region and product category
GROUP BY c.region, p.product_category

-- Order results by region first, then sales count in descending order
ORDER BY c.region, sales_count DESC;

Tôi khuyến nghị bạn học khóa Joining Data in SQL để tìm hiểu các loại join khác nhau và cách dùng trong truy vấn lồng. Bạn có thể tải SQL Joins Cheat Sheet để tham khảo thêm về join dữ liệu trong SQL. 

Tương tác với biểu thức CASE trong GROUP BY

Biểu thức CASE trong GROUP BY cho phép nhóm tùy chỉnh bằng cách biến đổi giá trị cột một cách động trong quá trình nhóm. 

Truy vấn dưới đây phân loại sản phẩm theo khoảng giá và đếm tổng số lượng bán theo vùng & danh mục sản phẩm.

-- Categorize products by price range and count total quantity sold per region & product category
SELECT 
  region,
  product_category,
  
  -- Categorize based on product price
  CASE 
    WHEN price >= 1000 THEN 'High-Priced Products'
    WHEN price >= 500 THEN 'Mid-Priced Products'
    ELSE 'Low-Priced Products'
  END AS price_category,
  
  SUM(quantity) AS total_quantity

FROM Sales

-- Group by region, product category, and price category
GROUP BY 
  region,
  product_category,
  CASE 
    WHEN price >= 1000 THEN 'High-Priced Products'
    WHEN price >= 500 THEN 'Mid-Priced Products'
    ELSE 'Low-Priced Products'
  END

-- Sort results for easier interpretation
ORDER BY 
  region, 
  product_category, 
  total_quantity DESC;

Mẫu Phổ biến và Thực hành Tốt nhất

Khi bạn tiếp tục dùng mệnh đề GROUP BY để nhóm nhiều cột, bạn sẽ nhận ra các mẫu lặp lại để cải thiện cách sử dụng. Chúng ta sẽ bàn về những trường hợp phổ biến này cùng các cân nhắc hiệu năng.

Mẫu phân tích theo thứ bậc và theo thời gian

Bạn có thể đã nhận thấy hầu hết tập dữ liệu có các thứ bậc nội tại, như địa lý (châu lục → quốc gia → thành phố), danh mục sản phẩm, hoặc cơ cấu tổ chức. Do đó, mệnh đề GROUP BY rất phù hợp để tóm tắt dữ liệu ở các cấp độ khác nhau của các thứ bậc này.

Khi có dữ liệu với ngày và dấu thời gian, phân tích theo thời gian có thể giúp nhận diện xu hướng, tính mùa vụ và hành vi theo thời gian bằng cách nhóm theo các phần ngày như năm, quý, tháng hoặc ngày.

Trước đó, chúng ta đã nói về hai loại mẫu nhóm. Nhóm theo thứ bậc bao gồm các cột có mối quan hệ lồng nhau tự nhiên, như nhóm trước theo phòng ban, rồi trong mỗi phòng ban theo đội. Ngược lại, nhóm không theo thứ bậc kết hợp các chiều không liên quan, như loại sản phẩm và phương thức thanh toán, hiển thị các tổ hợp mà không ngụ ý thứ tự hay cấu trúc nào.

Mẫu nhóm hướng hiệu năng

Khi dùng GROUP BY với nhiều cột, bạn có thể cải thiện hiệu năng bằng cách làm theo các mẹo thực tế sau:

• Giới hạn cột nhóm: Luôn đảm bảo bạn chỉ nhóm theo các cột cần thiết cho phân tích để giảm chi phí tính toán của các nhóm.

• Tối ưu chỉ mục: Đảm bảo các cột được nhóm có chỉ mục để tăng tốc hiệu năng truy vấn bằng cách giúp CSDL xử lý sắp xếp hiệu quả hơn.

• Lọc sớm: Dùng mệnh đề WHERE để giới hạn tập dữ liệu trước khi nhóm nhằm giảm lượng dữ liệu cần xử lý.

• Dùng kế hoạch và gợi ý truy vấn: Xem execution plan hoặc thêm gợi ý truy vấn nếu CSDL hỗ trợ để giúp tối ưu quá trình nhóm.

• Tận dụng tính năng SQL nâng cao: Cân nhắc dùng các kỹ thuật như ROLLUP hoặc GROUPING SETS để tạo tóm tắt hiệu quả hơn và tránh chạy truy vấn lặp lại, đặc biệt khi làm việc với dữ liệu theo thứ bậc hoặc đa chiều.

Loại bỏ trùng lặp và làm sạch dữ liệu

GROUP BY cũng có thể là cách tiện lợi để làm sạch dữ liệu của bạn bằng cách loại bỏ trùng lặp dựa trên các trường cụ thể. Điều này hữu ích khi tập dữ liệu của bạn có nhiều hàng giống hệt hoặc trùng một phần.

Ví dụ, để loại bỏ bản ghi bán hàng trùng lặp, bạn sẽ nhóm theo region, product_category và product_name, rồi chọn mức giá cao nhất cho mỗi nhóm để giữ lại bản ghi phù hợp nhất.

-- Remove duplicate sales records by keeping only unique combinations
-- of region, product_category, and product_name
SELECT 
    region,
    product_category,
    product_name,
    MAX(price) AS price,
    SUM(quantity) AS total_quantity
FROM Sales
GROUP BY 
    region, 
    product_category, 
    product_name
ORDER BY 
    region, 
    product_category, 
    product_name;

Khắc phục sự cố và Lỗi Thường gặp

Khi làm việc với GROUP BY trên nhiều cột, hãy lưu ý các lỗi thường gặp sau:

Chỉ định cột và vấn đề kiểu dữ liệu

Một trong những lỗi phổ biến nhất trong truy vấn GROUP BY liên quan đến việc chỉ định cột không chính xác. SQL yêu cầu rằng khi chọn nhiều cột không nằm trong hàm tổng hợp, chúng phải được đưa vào mệnh đề GROUP BY. Không làm vậy sẽ dẫn đến lỗi. Vì thế, luôn đưa các cột không tổng hợp vào mệnh đề GROUP BY nếu chúng xuất hiện trong câu lệnh SELECT.

Bạn cũng có thể gặp lỗi nếu dữ liệu bạn nhóm có sự không khớp, đặc biệt khi nhóm theo biểu thức. Giả sử bạn nhóm dữ liệu theo ngày đã định dạng. Khi đó, bạn sẽ gặp lỗi nếu các giá trị ngày có định dạng hoặc mức độ chính xác khác nhau, dẫn đến kết quả bất ngờ hoặc sai lệch.

Suy giảm hiệu năng và xử lý giá trị NULL

Dùng truy vấn GROUP BY đôi khi có thể làm chậm cơ sở dữ liệu, đặc biệt nếu bạn nhóm theo các cột có nhiều giá trị duy nhất (độ phân biệt cao) hoặc các cột đó không được đánh chỉ mục. Tập dữ liệu lớn cũng cần đủ bộ nhớ để xử lý các bước sắp xếp và nhóm, làm tăng tải. 

Để tránh các vấn đề này, hãy luôn đánh chỉ mục các cột và lọc bằng WHERE để giới hạn dữ liệu truy vấn. 

Ngoài ra, điều quan trọng là hiểu cách SQL xử lý giá trị NULL trong việc nhóm: tất cả NULL trong một cột nhóm được xem như cùng một nhóm, dù có bao nhiêu. Tuy nhiên, NULL không bao giờ được coi là bằng bất kỳ giá trị thực (khác NULL) nào, vì vậy các nhóm đó vẫn tách biệt.

Kết luận

Dùng mệnh đề GROUP BY để nhóm nhiều cột trong SQL là kỹ thuật mạnh mẽ cho phép phân tích sâu, đa chiều bằng cách tổng hợp dữ liệu qua các tổ hợp trường. Nó giúp nhà phân tích vượt qua các bản tóm tắt cơ bản và có thêm góc nhìn về các mẫu và mối quan hệ trong dữ liệu. Khả năng này quan trọng cho báo cáo, theo dõi hiệu suất và ra quyết định trong môi trường kinh doanh hiện đại..

Khi dữ liệu ngày càng phức tạp và lớn, SQL vẫn là công cụ nền tảng trong phân tích. Để nâng cao kỹ năng, hãy khám phá các hàm cửa sổ, CTE (common table expressions) và materialized view, những thứ mở ra các biến đổi dữ liệu và quy trình báo cáo nâng cao hơn nữa.

Tôi khuyến nghị bạn học khóa PostgreSQL Summary Stats and Window Functions để học cách viết truy vấn phục vụ phân tích kinh doanh bằng Window functions một cách chuyên nghiệp. Tôi cũng thách thức bạn thử các dự án: Analyzing Industry Carbon Emissions và Analyzing Motorcycle Part Sales để kiểm tra kỹ năng SQL và thể hiện khả năng dùng SQL để giải quyết bài toán kinh doanh.