4. SQL 基础回顾（二）：聚合函数与分组查询

在实时监控大屏的数据集成中，我们经常需要从原始数据中提取统计指标，例如“过去1小时的平均响应时间”、“今日订单总量”或“各区域的最高并发数”。SQL 聚合函数与分组查询正是实现这类统计的核心工具。本节将系统回顾 COUNT、SUM、AVG、MAX、MIN 五大聚合函数，以及 GROUP BY 分组与 HAVING 过滤分组的完整用法。

4.1 五大聚合函数详解

聚合函数（Aggregate Functions）对一组值执行计算并返回单个值。它们通常与 SELECT 语句配合使用，是生成 KPI 指标的基石。

基础查询示例：假设有一张 api_metrics 表，记录了每次 API 调用的耗时与状态。

-- 查询总请求数、平均耗时、最大耗时、最小耗时
SELECT
    COUNT(*) AS total_requests,
    AVG(duration_ms) AS avg_duration,
    MAX(duration_ms) AS max_duration,
    MIN(duration_ms) AS min_duration
FROM api_metrics
WHERE status_code = 200;

4.2 GROUP BY 分组聚合

GROUP BY 子句将查询结果按一个或多个列进行分组，然后对每个分组独立应用聚合函数。这是实现“按维度统计”的核心语法，例如“按区域统计销售额”或“按服务名统计平均响应时间”。

语法结构：

SELECT
    group_column,
    aggregate_function(measure_column) AS alias
FROM table_name
[WHERE condition]
GROUP BY group_column
[ORDER BY alias];

实战案例：从 api_metrics 表中，按 service_name 分组，统计每个服务的调用次数与平均耗时。

SELECT
    service_name,
    COUNT(*) AS call_count,
    ROUND(AVG(duration_ms), 2) AS avg_duration_ms
FROM api_metrics
WHERE recorded_at >= NOW() - INTERVAL '1 hour'
GROUP BY service_name
ORDER BY call_count DESC;

多列分组：可以按多个维度进行分组，例如按“服务名 + 状态码”统计。

SELECT
    service_name,
    status_code,
    COUNT(*) AS count,
    AVG(duration_ms) AS avg_duration
FROM api_metrics
GROUP BY service_name, status_code
ORDER BY service_name, status_code;

4.3 HAVING 过滤分组

HAVING 子句用于过滤 GROUP BY 之后的分组结果。它与 WHERE 的区别在于：WHERE 在分组前过滤行，HAVING 在分组后过滤分组。HAVING 中可以使用聚合函数，而 WHERE 中不能。

完整查询示例：查询过去1小时内，平均耗时超过150ms且调用次数大于5的服务。

SELECT
    service_name,
    COUNT(*) AS call_count,
    ROUND(AVG(duration_ms), 2) AS avg_duration_ms
FROM api_metrics
WHERE recorded_at >= NOW() - INTERVAL '1 hour'   -- WHERE 过滤原始行
GROUP BY service_name
HAVING COUNT(*) > 5                              -- HAVING 过滤分组
   AND AVG(duration_ms) > 150
ORDER BY avg_duration_ms DESC;

4.4 执行顺序与综合案例

理解 SQL 子句的执行顺序，有助于写出正确且高效的查询。一个包含聚合、分组、过滤的完整查询，其逻辑执行顺序如下：

1. FROM：确定数据源表
2. WHERE：过滤原始行（排除不满足条件的行）
3. GROUP BY：将剩余行按指定列分组
4. HAVING：过滤分组（排除不满足条件的分组）
5. SELECT：计算并输出列（包括聚合函数）
6. ORDER BY：对结果排序
7. LIMIT/OFFSET：限制输出行数

综合实战案例：从 orders 订单表中，统计每个城市中总金额超过10000元的客户数量，并只显示客户数大于3的城市。

SELECT
    city,
    COUNT(DISTINCT customer_id) AS high_value_customers,
    SUM(order_amount) AS total_revenue
FROM orders
WHERE order_status = 'completed'          -- 只统计已完成订单
  AND order_date >= '2024-01-01'          -- 只统计2024年后的数据
GROUP BY city
HAVING SUM(order_amount) > 10000          -- 城市总金额超过10000
   AND COUNT(DISTINCT customer_id) > 3    -- 且高价值客户数大于3
ORDER BY total_revenue DESC;

4.5 常见陷阱与最佳实践

• 陷阱1：SELECT 中非聚合列未包含在 GROUP BY 中。解决方案：确保所有非聚合列都出现在 GROUP BY 子句中。
• 陷阱2：在 WHERE 中使用聚合函数。解决方案：将聚合条件移至 HAVING 子句。
• 陷阱3：COUNT(column) 与 COUNT(*) 混淆。COUNT(*) 统计所有行，包括 NULL；COUNT(column) 只统计该列非 NULL 的行数。
• 最佳实践1：为聚合列起别名，如 COUNT(*) AS total，提高可读性。
• 最佳实践2：先使用 WHERE 过滤掉大量无关数据，减少 GROUP BY 的处理量，提升查询性能。
• 最佳实践3：使用 DISTINCT 与 COUNT 结合，如 COUNT(DISTINCT user_id)，统计唯一值数量。