4. 批次偏移的SQL特征：时间窗口漂移、跨批次数据污染、聚合结果与预期不符

批次偏移在SQL层面会留下清晰的“指纹”。作为风控架构师，你需要从三个核心维度识别这些特征：时间窗口漂移、跨批次数据污染、聚合结果与预期不符。下面逐一拆解其SQL表现与诊断方法。

4.1 时间窗口漂移：边界条件失控

时间窗口漂移是最常见的批次偏移诱因。当SQL中的时间过滤条件使用了不恰当的边界值或函数时，查询窗口会“滑入”相邻批次的数据，导致聚合结果失真。

4.2 跨批次数据污染：状态残留与重复计数

跨批次数据污染通常发生在状态字段未正确隔离或关联逻辑遗漏批次过滤的场景。典型表现是：一个批次聚合时，错误地包含了前序或后续批次的数据。

• 状态残留： 订单表 status 字段在批次间未重置，导致当前批次查询到历史状态为“处理中”的记录。
• 关联污染： 左连接时，右表未按批次过滤，导致左表一条记录匹配到右表多个批次的数据，产生重复计数。
• 增量表未截断： 临时表或增量表中残留了上一批次的数据，未做 TRUNCATE 或批次ID过滤。

-- 污染示例：关联时未限制右表批次
SELECT
    a.batch_id,
    COUNT(DISTINCT a.user_id) AS user_cnt,
    SUM(b.loan_amount) AS total_loan
FROM apply_batch a
LEFT JOIN loan_record b
    ON a.user_id = b.user_id
    -- 缺少 AND b.batch_id = a.batch_id
GROUP BY a.batch_id;

4.3 聚合结果与预期不符：偏差模式识别

当聚合结果出现系统性偏差时，可以通过对比预期值与实际SQL输出来定位偏移根因。下表总结了常见的偏差模式及其SQL特征：

4.4 核心诊断流程：三步定位法

面对疑似批次偏移的SQL聚合问题，建议按以下步骤排查：

1. 隔离验证： 将聚合查询拆解为“单批次查询”，分别验证每个批次的原始数据量是否准确。
2. 边界审计： 输出查询中所有时间字段的 MIN/MAX，确认窗口范围是否与批次定义一致。
3. 关联审计： 对每个JOIN表，单独统计其批次ID分布，检查是否存在跨批次匹配。

4.5 实战案例：时间窗口漂移导致授信额度偏高

场景： 某授信批次聚合查询中，使用 WHERE create_time >= DATE_SUB(NOW(), INTERVAL 1 DAY) 作为窗口条件。由于批次执行时间延迟，该窗口实际包含了前一批次最后1小时的数据，导致授信总额偏高15%。

根因： 窗口边界使用了动态函数 NOW()，未与批次ID绑定，且未考虑执行延迟。

修复方案：

-- 修复前（漂移版本）
SELECT batch_id, SUM(credit_limit) AS total_limit
FROM credit_decision
WHERE create_time >= DATE_SUB(NOW(), INTERVAL 1 DAY)
GROUP BY batch_id;

-- 修复后（绑定批次ID）
SELECT batch_id, SUM(credit_limit) AS total_limit
FROM credit_decision
WHERE batch_id = 'BATCH_20250115_1800'
  AND create_time >= '2025-01-15 18:00:00'
  AND create_time < '2025-01-16 18:00:00'
GROUP BY batch_id;