SQL 如何在一次查询中统计多个业务指标

月亮慢半拍

发布时间：2026-08-25| 8人浏览过

原创

前言

一条 SQL 里塞进多个业务指标，看上去是在“省事”，实际最容易出问题的是统计口径被混在一起，尤其是去重、跨表和明细汇总同时出现时。本文按四类常见场景拆解写法，分别说明什么时候该拆子查询、什么时候适合用 CASE WHEN、UNION ALL 或窗口函数，并把 NULL、保留字和版本兼容这些容易漏掉的判断条件一并补齐。

很多“把多个指标塞进一条 SQL” 的需求，表面看只是少写几行代码，实际考验的是你有没有把指标之间的维度关系想清楚。下面按几种最常见的业务场景拆开说明：哪些统计必须拆开做，哪些可以合并，怎样在减少扫描次数的同时，尽量避免语义错位、NULL 传播和版本兼容问题。

多个去重指标为什么不能硬塞进同一个 GROUP BY

最容易出错的一类写法，是在同一个 GROUP BY province 里同时放多个 COUNT(DISTINCT ...)，比如既统计 COUNT(DISTINCT user_id)，又统计 COUNT(DISTINCT order_id)。这类 SQL 往往能通过语法检查，但结果未必可信。

用纸面卡片对比多个 COUNT DISTINCT 拆分统计的示意图 — **去重指标要先拆开，再按维度对齐**多个去重指标共享同一层聚合时容易语义冲突，拆成独立子查询再按维度对齐更容易保证结果可信。

问题不在于数据库“不会算”，而在于多个去重逻辑本身就不是同一个统计上下文。用户去重、订单去重、商品去重，背后的明细粒度可能完全不同；如果直接放进同一层聚合，数据库不会自动帮你隔离这些语义。

常见的异常现象包括：

某个省份有用户但没有订单，COUNT(DISTINCT order_id) 可能得到 NULL 或 0，具体表现取决于引擎实现
后续再做 JOIN 时，因为 NULL 无法匹配，省份维度可能对不齐，结果被低估
旧版 Hive 或 Presto 对 COUNT(DISTINCT NULL) 的处理并不一致，有的返回 0，有的直接报错

更稳妥的办法，是把每个去重指标拆成独立子查询，再通过统一维度做 LEFT JOIN 对齐。这样每个指标都在自己的统计上下文里完成，最后只负责按省份拼回结果。

SELECT 
t1.province,
COALESCE(t1.user_cnt, 0) AS user_cnt,
COALESCE(t2.order_cnt, 0) AS order_cnt,
COALESCE(t3.sku_cnt, 0) AS sku_cnt
FROM (
SELECT province, COUNT(DISTINCT user_id) AS user_cnt
FROM orders WHERE status = 'paid'
GROUP BY province
) t1
LEFT JOIN (
SELECT province, COUNT(DISTINCT order_id) AS order_cnt
FROM orders WHERE status = 'paid'
GROUP BY province
) t2 ON t1.province = t2.province
LEFT JOIN (
SELECT province, COUNT(DISTINCT sku_id) AS sku_cnt
FROM order_items
GROUP BY province
) t3 ON t1.province = t3.province;

这类写法的关键，不是“拆得多优雅”，而是保证每个指标单独成立，再用 COALESCE(..., 0) 把缺失值补齐，避免维度对齐后出现空洞。对于省份、渠道、日期这类汇总口径比较严格的报表，这一步通常不能省。

同表关联指标，优先考虑 CASE WHEN 条件聚合

如果多个指标来自同一张表，而且只是按不同条件分流统计，那么没必要把每个指标都拆成子查询。像“成功订单数”“失败订单数”“成功订单金额”这类指标，天然共享同一批明细，直接在聚合函数中嵌套 CASE WHEN 往往更合适。

这种方式适合几类典型场景：

同一张事实表按状态、类型、来源做条件拆分
希望减少对大表的重复扫描，降低 I/O 开销
已经在 WHERE 中做过时间或范围过滤，不想在多个子查询里重复写筛选条件

示例里按客户统计总订单数、成功单数、失败单数以及成功金额，全部可以在一次聚合中完成：

SELECT 
customer_id,
COUNT(*) AS total_orders,
SUM(CASE WHEN status = 'success' THEN 1 ELSE 0 END) AS success_cnt,
SUM(CASE WHEN status = 'failed' THEN 1 ELSE 0 END) AS failed_cnt,
SUM(CASE WHEN status = 'success' THEN amount ELSE 0 END) AS success_amount
FROM orders
WHERE order_time >= '2026-08-01'
GROUP BY customer_id;

这里要特别注意一个细节：SUM(CASE ...) 通常比 COUNT(CASE ...) 更稳妥。原因是 COUNT(NULL) 天生不计数，如果某个分支全部落到 ELSE NULL，返回结果虽然常常也是 0，但语义其实依赖数据库对 NULL 的处理方式；而 SUM(CASE WHEN ... THEN 1 ELSE 0 END) 是显式累加，结果更可控，也更方便与金额类字段写法保持一致。

换句话说，只要几个指标共享同一明细粒度，而且不涉及彼此独立的去重逻辑，条件聚合通常就是优先选项。它代码更短，也更容易让后续维护者看懂这几个指标之间的关系。

跨表且无关联关系时，用 UNION ALL 合并结果

还有一类需求，看起来也像“多指标同查”，但本质上各指标来自不同表，而且彼此没有主外键关系。例如统计某天的订单总数，同时统计某天的分销记录总数。这里如果强行 JOIN，只会得到无意义的笛卡尔积，数据量一大还会直接拖垮查询。

这种场景更轻量的办法，是让每个子查询只产出自己那一列结果，再用 UNION ALL 拼成一个临时结果集，最后由外层做一次汇总。

使用时要注意三件事：

每个子查询输出的字段名和字段类型要一致，不存在的指标用 0 或 NULL 占位
UNION ALL 不去重、不排序，通常比 UNION 更省资源
外层 SUM() 会把占位列自然抵消，最后只留下真实指标值

SELECT 
SUM(total_count) AS total_count,
SUM(record_count) AS record_count
FROM (
SELECT COUNT(*) AS total_count, 0 AS record_count
FROM `order` 
WHERE DATE(order_create_time) = '2026-08-04'
UNION ALL
SELECT 0 AS total_count, COUNT(*) AS record_count
FROM record 
WHERE DATE(create_time) = '2026-08-04'
) t;

这段 SQL 还有一个很实用的提醒：order 是 MySQL 保留字，表名必须写成反引号包裹的 `order`，否则会直接报 ERROR 1064。这类问题和统计思路无关，却很容易在临时拼 SQL 时被忽略。

因此，面对“指标来自不同表，但又只想返回一行汇总结果”的需求，先判断表之间是否真的存在可用于对齐的业务键。如果没有，UNION ALL + 外层聚合 往往比 JOIN 更直接，也更不容易引入伪关联。

既要保留明细又要补充汇总值，可改用窗口函数

前面几种写法，核心都是为了输出汇总结果。但在实际分析中，常常还有另一种需求：既要保留订单级、记录级明细，又要在每一行旁边补上该客户的总订单数、总金额这类汇总指标。遇到这种情况，再用子查询做回表 JOIN 就显得笨重了。

更合适的工具是窗口函数，也就是 COUNT() OVER(PARTITION BY ...)、SUM() OVER(PARTITION BY ...) 这一类写法。它的特点是：在不打散原始明细结构的前提下，直接给每一行附加一个分组统计值。

这类方案的优势主要有三点：

通常只需一次扫描，不用为汇总值额外读表
不需要 GROUP BY，原始记录会完整保留
适合做更灵活的统计范围，比如分组累计、滚动窗口、近 7 天指标等

SELECT 
order_id,
customer_id,
amount,
COUNT(*) OVER(PARTITION BY customer_id) AS customer_order_cnt,
SUM(amount) OVER(PARTITION BY customer_id) AS customer_total_amount
FROM orders
WHERE order_time >= '2026-08-01';

不过窗口函数不是所有环境都能直接上。文中的版本边界要特别记住：MySQL 8.0+、PostgreSQL、Oracle 支持这类 OVER() 写法，但 MariaDB 10.2–10.5 不支持，上线前最好先确认目标数据库版本，别等到发布时才发现语法根本过不去。

如果你的目标是“明细结果集 + 每行附带汇总列”，窗口函数通常比“先聚合、再 JOIN 回明细”更清晰。它不是为了炫技，而是因为它更贴合这类查询本身的结构。