企业官网建设流程全解析

一、分类总览

1、函数分类

2、全部函数

二、聚合函数基础

1、定义

聚合函数将多条记录汇总成一个结果。

常见形式：

SELECTdeptno,SUM(sal)FROMempGROUPBYdeptno;

2、区别

其中WITHIN GROUP主要用于需要顺序的聚合函数，例如WM_CONCAT、COLLECT_LIST、COLLECT_SET。

3、简单记忆

GROUP BY= 分组算。
DISTINCT= 去重算。
FILTER= 筛完再算。
WITHIN GROUP= 排完再聚。

4、案例

-- 结果：按部门分别统计工资总额SELECTdeptno,SUM(sal)AStotal_salFROMempGROUPBYdeptno;-- 结果：统计不同部门数量SELECTCOUNT(DISTINCTdeptno)ASdept_cntFROMemp;-- 结果：分别统计 10、20、30 部门工资总额SELECTSUM(sal)FILTER(WHEREdeptno=10),SUM(sal)FILTER(WHEREdeptno=20),SUM(sal)FILTER(WHEREdeptno=30)FROMemp;-- 结果：1,2,3SELECTWM_CONCAT(',',y)WITHINGROUP(ORDERBYy)FROMVALUES('k',1),('k',3),('k',2)ASt(x,y)GROUPBYx;

三、基础聚合类

1、定义

这一类负责最常见的数值或单值汇总。

2、区别

最容易混淆：

AVG是平均值，容易受极端值影响；MEDIAN是中位数，更偏向“中间水平”。

3、简单记忆

SUM加起来。
AVG平均。
MAX / MIN最大 / 最小。
MEDIAN中间值。
ANY_VALUE随便取一个。

4、案例

-- 结果：37775SELECTSUM(sal)FROMemp;-- 结果：2222.0588235294117SELECTAVG(sal)FROMemp;-- 结果：5000SELECTMAX(sal)FROMemp;-- 结果：800SELECTMIN(sal)FROMemp;-- 结果：1600.0SELECTMEDIAN(sal)FROMemp;-- 结果：返回任意一名员工姓名，例如 SMITHSELECTANY_VALUE(ename)FROMemp;

四、计数 / 去重类

1、定义

• COUNT：统计记录数量，也可使用DISTINCT去重后计数。
• COUNT_IF：直接统计满足布尔条件的记录数量。
• APPROX_DISTINCT：近似统计唯一值数量，以降低大数据量去重统计成本。

2、区别

3、简单记忆

COUNT= 数行。
COUNT_IF= 满足条件才数。
APPROX_DISTINCT= 大数据量下近似去重。

4、案例

-- 结果：17SELECTCOUNT(*)FROMemp;-- 结果：3SELECTCOUNT(DISTINCTdeptno)FROMemp;-- 结果：15SELECTCOUNT_IF(sal>1000)FROMemp;-- 结果：近似去重工资数量，例如 12SELECTAPPROX_DISTINCT(sal)FROMemp;

五、极值关联取值类

1、定义

这类函数不是返回“最大值本身”，而是：

先找到某列最大或最小的那一行，再返回该行另一列的值。

2、区别

ARG_MAX和MAX_BY功能相同，主要区别是参数顺序相反：

如果最大值或最小值对应多行，可能从这些并列行中返回其中一行。

3、简单记忆

ARG_MAX(sal, ename)= 工资最大，返回姓名。
MAX_BY(ename, sal)= 返回姓名，按工资最大找。
ARG_MIN / MIN_BY同理。

4、案例

-- 结果：KINGSELECTARG_MAX(sal,ename)FROMemp;-- 结果：KINGSELECTMAX_BY(ename,sal)FROMemp;-- 结果：SMITHSELECTARG_MIN(sal,ename)FROMemp;-- 结果：SMITHSELECTMIN_BY(ename,sal)FROMemp;

六、布尔 / 位聚合类

1、定义

这一类把多行布尔值或整数位信息合并成一个结果。

2、区别

布尔函数操作的是 TRUE / FALSE；位聚合操作的是整数的二进制位。

3、简单记忆

ANY / BOOL_OR= 有一个真就行。
BOOL_AND= 全部都真。
BITWISE_*= 对整数二进制位做聚合。

4、案例

-- 结果：trueSELECTANY(x)FROMVALUES(true),(false),(false)ASt(x);-- 结果：falseSELECTBOOL_AND(x)FROMVALUES(true),(false),(true)ASt(x);-- 结果：trueSELECTBOOL_OR(x)FROMVALUES(true),(false),(false)ASt(x);-- 结果：0，2 AND 1 = 0SELECTBITWISE_AND_AGG(v)FROMVALUES(2L),(1L)ASt(v);-- 结果：3，2 OR 1 = 3SELECTBITWISE_OR_AGG(v)FROMVALUES(2L),(1L)ASt(v);-- 结果：3，2 XOR 1 = 3SELECTBITWISE_XOR_AGG(v)FROMVALUES(2L),(1L)ASt(v);

七、集合 / Map / 字符串类

1、定义

这一类的核心是把多行记录聚合成：

• ARRAY
• MAP
• STRING

等复杂结果。

2、区别

3、简单记忆

LIST保重复。
SET去重复。
HISTOGRAM数次数。
MAP_AGG= Key → Value。
MULTIMAP_AGG= Key → 多个 Value。
MAP_UNION_SUM= Map 合并后同 Key 求和。
WM_CONCAT= 多行拼字符串。

4、案例

-- 结果：[1,2,2]SELECTCOLLECT_LIST(x)FROMVALUES(1),(2),(2)ASt(x);-- 结果：[1,2]SELECTCOLLECT_SET(x)FROMVALUES(1),(2),(2)ASt(x);-- 结果：{"hi":1,"apple":2,"pie":1}SELECTHISTOGRAM(x)FROMVALUES('hi'),(NULL),('apple'),('pie'),('apple')ASt(x);-- 结果：构造 Map，例如 {"1":"apple","2":"hi"}SELECTMAP_AGG(k,v)FROMVALUES(1L,'apple'),(2L,'hi')ASt(k,v);-- 结果：{"1":["apple","pie"],"2":["hi"]}SELECTMULTIMAP_AGG(k,v)FROMVALUES(1L,'apple'),(2L,'hi'),(1L,'pie')ASt(k,v);-- 结果：合并为一个 MapSELECTMAP_UNION(m)FROMVALUES(MAP(1L,'a',2L,'b')),(MAP(3L,'c'))ASt(m);-- 结果：{"a":4,"b":2}SELECTMAP_UNION_SUM(m)FROMVALUES(MAP('a',1L,'b',2L)),(MAP('a',3L))ASt(m);-- 结果：a,b,cSELECTWM_CONCAT(',',x)WITHINGROUP(ORDERBYx)FROMVALUES('b'),('a'),('c')ASt(x);

八、统计分析类

1、定义

这一类用于衡量：

• 两列之间是否一起变化；
• 一列数据自身的离散程度。

2、区别

总体与样本：

3、简单记忆

CORR= 相关性。
COVAR= 协方差。
STDDEV= 标准差。
VAR= 方差。
_POP= Population，总体。
_SAMP= Sample，样本。

4、案例

-- 结果：x 与 y 完全正相关时为 1.0SELECTCORR(x,y)FROMVALUES(1D,2D),(2D,4D),(3D,6D)ASt(x,y);-- 结果：计算总体协方差SELECTCOVAR_POP(x,y)FROMVALUES(1D,2D),(2D,4D),(3D,6D)ASt(x,y);-- 结果：计算样本协方差SELECTCOVAR_SAMP(x,y)FROMVALUES(1D,2D),(2D,4D),(3D,6D)ASt(x,y);-- 结果：计算总体标准差SELECTSTDDEV(x)FROMVALUES(1D),(2D),(3D)ASt(x);-- 结果：计算样本标准差SELECTSTDDEV_SAMP(x)FROMVALUES(1D),(2D),(3D)ASt(x);-- 结果：计算总体方差SELECTVARIANCE(x)FROMVALUES(1D),(2D),(3D)ASt(x);-- 结果：与 VARIANCE 等价，计算总体方差SELECTVAR_POP(x)FROMVALUES(1D),(2D),(3D)ASt(x);-- 结果：计算样本方差SELECTVAR_SAMP(x)FROMVALUES(1D),(2D),(3D)ASt(x);

九、百分位 / 分布类

1、定义

这一类用于回答：

• P50、P90、P95 是多少；
• 数据主要分布在哪些区间。

2、区别

PERCENTILE与PERCENTILE_CONT都属于精确百分位，但接口和支持类型不同；日常更重要的是区分精确与近似、连续与离散。

3、简单记忆

PERCENTILE= 精确百分位。
APPROX= 近似，适合大数据。
CONT= Continuous，可以插值。
DISC= Discrete，只拿实际值。
HISTOGRAM= 看整体分布。

4、案例

-- 结果：emp 示例数据的 30% 百分位为 1290.0SELECTPERCENTILE(sal,0.3)FROMemp;-- 结果：emp 示例数据的近似 30% 百分位约为 1252.5SELECTPERCENTILE_APPROX(sal,0.3)FROMemp;-- 结果：1.5SELECTPERCENTILE_CONT(x,0.5)FROMVALUES(0D),(3D),(1D),(2D)ASt(x);-- 结果：bSELECTPERCENTILE_DISC(x,0.5)FROMVALUES('c'),('b'),('a')ASt(x);-- 结果：返回 Map，Key 为近似区间点，Value 为近似频数SELECTNUMERIC_HISTOGRAM(3,x)FROMVALUES(1D),(2D),(3D),(4D),(5D)ASt(x);

十、最容易混淆的函数对比

十一、参考资料

阿里云 MaxCompute 官方文档：

https://help.aliyun.com/zh/maxcompute/aggregate-functions