文档首页/ 数据仓库服务 DWS/ SQL语法参考/ SQL语法参考(9.1.0.x)/ 函数和操作符/ 聚集函数
更新时间：2026-07-02 GMT+08:00
查看PDF
分享

聚集函数

聚集函数是数据库中常用的函数，它将多行数据合并计算为单个统计值，帮助用户快速从大量数据中获取关键数据概览，如总数、平均数、最大值和去重计数等，广泛应用于数据报表和业务分析等场景。

表1 聚集函数

函数分类

函数名称

功能

基础统计计算

sum(expression)

计算表达式的总和。

max(expression)

返回表达式的最大值。

min(expression)

返回表达式的最小值。

avg(expression)

计算表达式的平均值。

count(expression)

返回表中非空（NOT NULL）的行数。

count(*)

返回表中的总行数（包括含NULL值的行）。

分位数与分布分析

median(expression)

计算中位数。

percentile_cont(const) within group(order by expression)

连续分布百分位数。通过线性插值计算指定百分位的值。

percentile_disc(const) within group(order by expression)

离散百分位数。返回数据集中最接近指定百分位的实际值。

聚集与字符串拼接

array_agg(expression)

将多行值聚合到一个数组中。

string_agg(expression, delimiter)

将多行字符串用指定分隔符连接成一个字符串。

listagg(expression [, delimiter]) WITHIN GROUP(ORDER BY order-list)

将多行字符串按指定顺序连接成一个字符串。

group_concat(expression [ORDER BY {col_name | expr} [ASC | DESC]] [SEPARATOR str_val])

将分组中的多行字符串值连接成一个字符串。

统计学高级分析

var_pop(expression)

计算总体方差。

var_samp(expression)

计算样本方差。

variance(expression)

计算样本方差。

stddev_pop(expression)

计算总体标准差。

stddev_samp(expression)

计算样本标准差。

stddev(expression)

计算样本标准差。

covar_pop(Y, X)

计算Y和X的总体协方差。

covar_samp(Y, X)

计算Y和X的样本协方差。

corr(Y, X)

计算Y和X的相关系数。

线性回归分析

regr_avgx(Y, X)

计算X的平均值。

regr_avgy(Y, X)

计算Y的平均值。

regr_count(Y, X)

计算非空对 (X, Y) 的数量。

regr_r2(Y, X)

计算相关系数的平方。

regr_slope(Y, X)

根据输入点(X, Y)拟合成一个线性方程， 然后计算该直线的斜率。

regr_intercept(Y, X)

根据输入点(X, Y)拟合成一个线性方程，然后计算该直线的Y轴截距。

regr_sxx(Y, X)

计算X的平方和。

regr_syy(Y, X)

计算Y的平方和。

regr_sxy(Y, X)

计算X和Y的乘积和。

逻辑与位运算聚合

bit_and(expression)

对所有行的值进行按位与（AND）运算。

bit_or(expression)

对所有行的值进行按位或（OR）运算。

bool_and(expression)

如果所有输入值都是真，则返回真（TRUE）。

bool_or(expression)

如果所有输入值只要有一个为真，则返回真（TRUE）

every(expression)

等效于bool_and()，如果所有输入值都是真，则为返回真（TRUE）。

去重与校验

checksum(expression)

计算数据的校验和，通过对比结果判断操作前后表中的数据是否一致。

approx_count_distinct(col_name)

近似计算唯一值的数量

UNIQ(col_name)

计算唯一值的数量。

sum(expression)

描述：计算所有输入行的expression总和。

返回类型：

通常情况下输入数据类型和输出数据类型是相同的，但以下情况会发生类型转换：

  • 对于SMALLINT或INT输入，输出类型为BIGINT。
  • 对于BIGINT输入，输出类型为NUMBER 。
  • 对于浮点数输入，输出类型为DOUBLE PRECISION。

示例：

1
2
3
4
5
 
SELECT SUM(ss_ext_tax) FROM tpcds.STORE_SALES;
  sum      
--------------
 213267594.69
(1 row)

max(expression)

描述：返回所有输入行中expression的最大值。

参数类型：任意数组、数值、字符串、日期/时间类型。

返回类型：与参数数据类型相同。

示例：

1
2
3
4
5
 
SELECT MAX(inv_quantity_on_hand) FROM tpcds.inventory;
   max   
---------
 1000000
(1 row)

min(expression)

描述：返回所有输入行中expression的最小值。

参数类型：任意数组、数值、字符串、日期/时间类型。

返回类型：与参数数据类型相同。

示例：

1
2
3
4
5
 
SELECT MIN(inv_quantity_on_hand) FROM tpcds.inventory;
 min 
-----
   0
(1 row)

avg(expression)

描述：计算所有输入值的算数平均值。

返回类型：

  • 对于任何整数类型输入，结果都是NUMBER类型。
  • 对于任何浮点输入，结果都是DOUBLE PRECISION类型。
  • 其他，和输入数据类型相同。

示例：

1
2
3
4
5
 
SELECT AVG(inv_quantity_on_hand) FROM tpcds.inventory;
         avg          
----------------------
 500.0387129084044604
(1 row)

median(expression)

描述：计算所有输入值的中位数。当前仅支持数值类型和interval类型。空值不参与计算。

返回类型：

  • 对于任何整型数据输入，结果都是NUMERIC类型。否则与输入数据类型相同。
  • Teradata兼容模式下，如果输入为整型，则返回的数据精度只有整数位。

示例：

1
2
3
4
5
 
SELECT MEDIAN(inv_quantity_on_hand) FROM tpcds.inventory;
 median 
--------
    500
(1 row)

percentile_cont(const) within group(order by expression)

描述：返回一个对应于目标列排序中指定分位数的值，如有必要就在相邻的输入项之间插入值。空值不参与计算。

参数说明：

  • const，指定百分位数，取值范围为0~1之间的数值。
  • expression，指定排序依据的列或表达式，当前仅支持数值类型和interval类型。

返回类型：

  • 对于任何整型数据输入，结果都是NUMERIC类型。否则与输入数据类型相同。
  • Teradata兼容模式下，如果输入为整型，则返回的数据精度只有整数位。

示例：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
 
SELECT percentile_cont(0.3) within group(order by x) FROM (SELECT generate_series(1,5) AS x) AS t;
percentile_cont
-----------------
2.2
(1 row)
SELECT percentile_cont(0.3) within group(order by x desc) FROM (SELECT generate_series(1,5) AS x) AS t;
percentile_cont
-----------------
3.8
(1 row)

percentile_disc(const) within group(order by expression)

描述：返回第一个在排序中位置等于或者超过指定分数的输入值。

参数说明：

  • const，指定百分位数，取值范围为0~1之间的数值。
  • expression，指定排序依据的列或表达式，当前仅支持数值类型和interval类型。空值不参与计算。

返回类型：对于任何整型数据输入，结果都是NUMERIC类型。否则，与输入数据类型相同。

示例：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
 
SELECT percentile_disc(0.3) within group(order by x) FROM (SELECT generate_series(1,5) AS x) AS t;
percentile_disc
-----------------
2
(1 row)
SELECT percentile_disc(0.3) within group(order by x desc) FROM (SELECT generate_series(1,5) AS x) AS t;
percentile_disc
-----------------
4
(1 row)

count(expression)

描述：返回表中expression不为NULL的行数。

返回类型：BIGINT

示例：

1
2
3
4
5
 
SELECT COUNT(inv_quantity_on_hand) FROM tpcds.inventory;
  count   
----------
 11158087
(1 row)

count(*)

描述：返回表中的总行数（包括含NULL值的行）。

返回类型：BIGINT

示例：

1
2
3
4
5
 
SELECT COUNT(*) FROM tpcds.inventory;
  count   
----------
 11745000
(1 row)

array_agg(expression)

描述：将所有输入值（包括空）连接成一个数组。函数入参不支持数组类型。

返回类型：参数类型的数组。

示例：

创建表employeeinfo，并插入数据：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
 
CREATE TABLE employeeinfo (empno smallint, ename varchar(20), job varchar(20), hiredate date,deptno smallint);
INSERT INTO employeeinfo VALUES (7155, 'JACK', 'SALESMAN', '2018-12-01', 30);
INSERT INTO employeeinfo VALUES (7003, 'TOM', 'FINANCE', '2016-06-15', 20);
INSERT INTO employeeinfo VALUES (7357, 'MAX', 'SALESMAN', '2020-10-01', 30);

SELECT * FROM employeeinfo;
 empno | ename |   job    |      hiredate       | deptno
-------+-------+----------+---------------------+--------
  7155 | JACK  | SALESMAN | 2018-12-01 00:00:00 |     30
  7357 | MAX   | SALESMAN | 2020-10-01 00:00:00 |     30
  7003 | TOM   | FINANCE  | 2016-06-15 00:00:00 |     20
(3 rows)

查询部门编号为30的所有员工姓名：

1
2
3
4
5
 
SELECT array_agg(ename) FROM employeeinfo where deptno = 30;
 array_agg
------------
 {JACK,MAX}
(1 row)

查询属于同一个部门的所有员工：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
 
SELECT deptno, array_agg(ename) FROM employeeinfo group by deptno;
 deptno | array_agg
--------+------------
     30 | {JACK,MAX}
     20 | {TOM}
(2 rows)

SELECT distinct array_agg(ename) OVER (PARTITION BY deptno) FROM employeeinfo;
 array_agg
------------
 {TOM}
 {JACK,MAX}
(2 rows)

查询所有的部门编号且去重：

1
2
3
4
5
6
 
SELECT array_agg(distinct deptno) FROM employeeinfo group by deptno;
 array_agg
-----------
 {20}
 {30}
(2 rows)

查询所有的部门编号去重后按降序排列：

1
2
3
4
5
 
SELECT array_agg(distinct deptno order by deptno desc) FROM employeeinfo;
 array_agg
-----------
 {30,20}
(1 row)

string_agg(expression, delimiter)

描述：将输入值用指定的分隔符连接成一个字符串。

返回类型：和参数数据类型相同。

示例：

基于创建的表employeeinfo，查询属于同一个部门的所有员工：

1
2
3
4
5
6
 
SELECT deptno, string_agg(ename,',') FROM employeeinfo group by deptno;
 deptno | string_agg
--------+------------
     30 | JACK,MAX
     20 | TOM
(2 rows)

查询工号小于7156的员工：

1
2
3
4
5
 
SELECT string_agg(ename,',') FROM employeeinfo where empno < 7156;
 string_agg
------------
 TOM,JACK
(1 row)

listagg(expression [, delimiter]) WITHIN GROUP(ORDER BY order-list)

描述：将聚集列数据按WITHIN GROUP指定的排序方式排列，并用delimiter指定的分隔符拼接成一个字符串。

参数说明：

  • expression：必选。指定聚集列名或基于列的有效表达式，不支持DISTINCT关键字和VARIADIC参数。
  • delimiter：可选。指定分隔符，可以是字符串常数或基于分组列的确定性表达式，缺省时表示分隔符为空。
  • order-list：必选。指定分组内的排序方式。

返回类型：text

listagg是兼容Oracle 11g2的列转行聚集函数，可以指定OVER子句用作窗口函数。为了避免与函数本身WITHIN GROUP子句的ORDER BY造成二义性，listagg用作窗口函数时，OVER子句不支持ORDER BY的窗口排序或窗口框架。

示例：

聚集列是文本字符集类型：

1
2
3
4
5
6
7
 
SELECT deptno, listagg(ename, ',') WITHIN GROUP(ORDER BY ename) AS employees FROM emp GROUP BY deptno;
 deptno |              employees               
--------+--------------------------------------
     10 | CLARK,KING,MILLER
     20 | ADAMS,FORD,JONES,SCOTT,SMITH
     30 | ALLEN,BLAKE,JAMES,MARTIN,TURNER,WARD
(3 rows)

聚集列是整型：

1
2
3
4
5
6
7
 
SELECT deptno, listagg(mgrno, ',') WITHIN GROUP(ORDER BY mgrno NULLS FIRST) AS mgrnos FROM emp GROUP BY deptno;
 deptno |            mgrnos             
--------+-------------------------------
     10 | 7782,7839
     20 | 7566,7566,7788,7839,7902
     30 | 7698,7698,7698,7698,7698,7839
(3 rows)

聚集列是浮点类型：

1
2
3
4
5
6
7
8
9
 
SELECT job, listagg(bonus, '($); ') WITHIN GROUP(ORDER BY bonus DESC) || '($)' AS bonus FROM emp GROUP BY job;
    job     |                      bonus                      
------------+-------------------------------------------------
 CLERK      | 10234.21($); 2000.80($); 1100.00($); 1000.22($)
 PRESIDENT  | 23011.88($)
 ANALYST    | 2002.12($); 1001.01($)
 MANAGER    | 10000.01($); 2399.50($); 999.10($)
 SALESMAN   | 1000.01($); 899.00($); 99.99($); 9.00($)
(5 rows)

聚集列是时间类型：

1
2
3
4
5
6
7
 
SELECT deptno, listagg(hiredate, ', ') WITHIN GROUP(ORDER BY hiredate DESC) AS hiredates FROM emp GROUP BY deptno;
 deptno |                                                          hiredates                                                           
--------+------------------------------------------------------------------------------------------------------------------------------
     10 | 1982-01-23 00:00:00, 1981-11-17 00:00:00, 1981-06-09 00:00:00
     20 | 2001-04-02 00:00:00, 1999-12-17 00:00:00, 1987-05-23 00:00:00, 1987-04-19 00:00:00, 1981-12-03 00:00:00
     30 | 2015-02-20 00:00:00, 2010-02-22 00:00:00, 1997-09-28 00:00:00, 1981-12-03 00:00:00, 1981-09-08 00:00:00, 1981-05-01 00:00:00
(3 rows)

聚集列是时间间隔类型：

1
2
3
4
5
6
7
 
SELECT deptno, listagg(vacationTime, '; ') WITHIN GROUP(ORDER BY vacationTime DESC) AS vacationTime FROM emp GROUP BY deptno;
 deptno |                                    vacationtime                                    
--------+------------------------------------------------------------------------------------
     10 | 1 year 30 days; 40 days; 10 days
     20 | 70 days; 36 days; 9 days; 5 days
     30 | 1 year 1 mon; 2 mons 10 days; 30 days; 12 days 12:00:00; 4 days 06:00:00; 24:00:00
(3 rows)

分隔符缺省时，默认为空：

1
2
3
4
5
6
7
 
SELECT deptno, listagg(job) WITHIN GROUP(ORDER BY job) AS jobs FROM emp GROUP BY deptno;
 deptno |                     jobs                     
--------+----------------------------------------------
     10 | CLERKMANAGERPRESIDENT
     20 | ANALYSTANALYSTCLERKCLERKMANAGER
     30 | CLERKMANAGERSALESMANSALESMANSALESMANSALESMAN
(3 rows)

listagg作为窗口函数时，OVER子句不支持ORDER BY的窗口排序，listagg列为对应分组的有序聚集：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
 
SELECT deptno, mgrno, bonus, listagg(ename,'; ') WITHIN GROUP(ORDER BY hiredate) OVER(PARTITION BY deptno) AS employees FROM emp;
 deptno | mgrno |  bonus   |                 employees                 
--------+-------+----------+-------------------------------------------
     10 |  7839 | 10000.01 | CLARK; KING; MILLER
     10 |       | 23011.88 | CLARK; KING; MILLER
     10 |  7782 | 10234.21 | CLARK; KING; MILLER
     20 |  7566 |  2002.12 | FORD; SCOTT; ADAMS; SMITH; JONES
     20 |  7566 |  1001.01 | FORD; SCOTT; ADAMS; SMITH; JONES
     20 |  7788 |  1100.00 | FORD; SCOTT; ADAMS; SMITH; JONES
     20 |  7902 |  2000.80 | FORD; SCOTT; ADAMS; SMITH; JONES
     20 |  7839 |   999.10 | FORD; SCOTT; ADAMS; SMITH; JONES
     30 |  7839 |  2399.50 | BLAKE; TURNER; JAMES; MARTIN; WARD; ALLEN
     30 |  7698 |     9.00 | BLAKE; TURNER; JAMES; MARTIN; WARD; ALLEN
     30 |  7698 |  1000.22 | BLAKE; TURNER; JAMES; MARTIN; WARD; ALLEN
     30 |  7698 |    99.99 | BLAKE; TURNER; JAMES; MARTIN; WARD; ALLEN
     30 |  7698 |  1000.01 | BLAKE; TURNER; JAMES; MARTIN; WARD; ALLEN
     30 |  7698 |   899.00 | BLAKE; TURNER; JAMES; MARTIN; WARD; ALLEN
(14 rows)

group_concat(expression [ORDER BY {col_name | expr} [ASC | DESC]] [SEPARATOR str_val])

描述：将列数据使用指定的str_val分隔符，按照ORDER BY子句指定的排序方式拼接成字符串，ORDER BY子句必须指定排序方式，不支持“ORDER BY 1”的写法。

参数说明：

  • expression：必选。指定列名或基于列的有效表达式，不支持DISTINCT关键字和VARIADIC参数。
  • str_val：可选。指定的分隔符，可以是字符串常数或基于分组列的确定性表达式。缺省时表示分隔符为逗号。

返回类型：text

示例：

默认分隔符为逗号：

1
2
3
4
5
 
SELECT group_concat(sname) FROM group_concat_test;
               group_concat
------------------------------------------
 ADAMS,FORD,JONES,KING,MILLER,SCOTT,SMITH
(1 row)

group_concat函数支持自定义分隔符：

1
2
3
4
5
 
SELECT group_concat(sname separator ';') from group_concat_test;
               group_concat
------------------------------------------
 ADAMS;FORD;JONES;KING;MILLER;SCOTT;SMITH
(1 row)

group_concat函数支持ORDER BY子句，将列数据进行有序拼接：

1
2
3
4
5
 
SELECT group_concat(sname order by snumber separator ';') FROM group_concat_test;
               group_concat
------------------------------------------
 MILLER;FORD;SCOTT;SMITH;KING;JONES;ADAMS
(1 row)

covar_pop(Y, X)

描述：计算总体协方差。

返回类型：double precision

示例：

1
2
3
4
5
 
SELECT COVAR_POP(sr_fee, sr_net_loss) FROM tpcds.store_returns WHERE sr_customer_sk < 1000;
    covar_pop     
------------------
 829.749627587403
(1 row)

covar_samp(Y, X)

描述：计算样本协方差。

返回类型：double precision

示例：

1
2
3
4
5
 
SELECT COVAR_SAMP(sr_fee, sr_net_loss) FROM tpcds.store_returns WHERE sr_customer_sk < 1000;
    covar_samp    
------------------
 830.052235037289
(1 row)

stddev_pop(expression)

描述：计算总体标准差（总体方差的平方根）。

返回类型：对于浮点类型的输入返回double precision，其他输入返回numeric。

示例：

1
2
3
4
5
 
SELECT STDDEV_POP(inv_quantity_on_hand) FROM tpcds.inventory WHERE inv_warehouse_sk = 1;
    stddev_pop    
------------------
 289.224294957556
(1 row)

stddev_samp(expression)

描述：计算样本标准差（样本方差的平方根）。

返回类型：对于浮点类型的输入返回double precision，其他输入返回numeric。

示例：

1
2
3
4
5
 
SELECT STDDEV_SAMP(inv_quantity_on_hand) FROM tpcds.inventory WHERE inv_warehouse_sk = 1;
   stddev_samp    
------------------
 289.224359757315
(1 row)

var_pop(expression)

描述：计算总体方差（总体标准差的平方）。

返回类型：对于浮点类型的输入返回double precision类型，其他输入返回numeric类型。

示例：

1
2
3
4
5
 
SELECT VAR_POP(inv_quantity_on_hand) FROM tpcds.inventory WHERE inv_warehouse_sk = 1;
      var_pop       
--------------------
 83650.692793695475
(1 row)

var_samp(expression)

描述：计算样本方差（样本标准差的平方）。

返回类型：对于浮点类型的输入返回double precision类型，其他输入返回numeric类型。

示例：

1
2
3
4
5
 
SELECT VAR_SAMP(inv_quantity_on_hand) FROM tpcds.inventory WHERE inv_warehouse_sk = 1;
      var_samp      
--------------------
 83650.730277028768
(1 row)

bit_and(expression)

描述：对所有非NULL输入值按位与（AND）运算。如果全部输入值皆为NULL，则结果也为NULL 。

返回类型：和参数数据类型相同。

示例：

1
2
3
4
5
 
SELECT BIT_AND(inv_quantity_on_hand) FROM tpcds.inventory WHERE inv_warehouse_sk = 1;
 bit_and 
---------
       0
(1 row)

bit_or(expression)

描述：对所有非NULL输入值按位或（OR）运算。如果全部输入值皆为NULL，则结果也为NULL。

返回类型：和参数数据类型相同

示例：

1
2
3
4
5
 
SELECT BIT_OR(inv_quantity_on_hand) FROM tpcds.inventory WHERE inv_warehouse_sk = 1;
 bit_or 
--------
   1023
(1 row)

bool_and(expression)

描述：如果所有输入值都是真，则返回真（TRUE），否则返回假（FALSE）。

返回类型：bool

示例：

1
2
3
4
5
 
SELECT bool_and(100 <2500);
 bool_and
----------
 t
(1 row)

bool_or(expression)

描述：如果所有输入值只要有一个为真，则返回真（TRUE），否则返回假（FALSE）。

返回类型：bool

示例：

1
2
3
4
5
 
SELECT bool_or(100 <2500);
 bool_or
----------
 t
(1 row)

corr(Y, X)

描述：计算相关系数（协方差除以两个变量标准差的乘积）。

返回类型：double precision

示例：

1
2
3
4
5
 
SELECT CORR(sr_fee, sr_net_loss) FROM tpcds.store_returns WHERE sr_customer_sk < 1000;
       corr        
-------------------
 0.0381383624904186
(1 row)

every(expression)

描述：等效于bool_and(expression)。如果所有输入值都是真，则为返回真（TRUE），否则为返回假（FALSE）。

返回类型：bool

示例：

1
2
3
4
5
 
SELECT every(100 <2500);
 every
-------
 t
(1 row)

regr_avgx(Y, X)

描述：计算自变量X的平均值 (sum(X)/N)。

返回类型：double precision

示例：

1
2
3
4
5
 
SELECT REGR_AVGX(sr_fee, sr_net_loss) FROM tpcds.store_returns WHERE sr_customer_sk < 1000;
    regr_avgx     
------------------
 578.606576740795
(1 row)

regr_avgy(Y, X)

描述：计算因变量Y的平均值 (sum(Y)/N)。

返回类型：double precision

示例：

1
2
3
4
5
 
SELECT REGR_AVGY(sr_fee, sr_net_loss) FROM tpcds.store_returns WHERE sr_customer_sk < 1000;
    regr_avgy     
------------------
 50.0136711629602
(1 row)

regr_count(Y, X)

描述：计算两个表达式都不为NULL的输入行数。

返回类型：bigint

示例：

1
2
3
4
5
 
SELECT REGR_COUNT(sr_fee, sr_net_loss) FROM tpcds.store_returns WHERE sr_customer_sk < 1000;
 regr_count 
------------
       2743
(1 row)

regr_intercept(Y, X)

描述：根据所有输入的点(X, Y)按照最小二乘法拟合成一个线性方程，然后返回该直线的Y轴截距。

返回类型：double precision

示例：

1
2
3
4
5
 
SELECT REGR_INTERCEPT(sr_fee, sr_net_loss) FROM tpcds.store_returns WHERE sr_customer_sk < 1000;
  regr_intercept  
------------------
 49.2040847848607
(1 row)

regr_r2(Y, X)

描述：计算相关系数的平方。

返回类型：double precision

示例：

1
2
3
4
5
 
SELECT REGR_R2(sr_fee, sr_net_loss) FROM tpcds.store_returns WHERE sr_customer_sk < 1000;
      regr_r2       
--------------------
 0.00145453469345058
(1 row)

regr_slope(Y, X)

描述：根据所有输入的点(X, Y)按照最小二乘法拟合成一个线性方程， 然后返回该直线的斜率。

返回类型：double precision

示例：

1
2
3
4
5
 
SELECT REGR_SLOPE(sr_fee, sr_net_loss) FROM tpcds.store_returns WHERE sr_customer_sk < 1000;
     regr_slope     
--------------------
 0.00139920009665259
(1 row)

regr_sxx(Y, X)

描述：计算辅助统计量sum(X^2) - sum(X)^2/N（自变量X的平方和） 。

返回类型：double precision

示例：

1
2
3
4
5
 
SELECT REGR_SXX(sr_fee, sr_net_loss) FROM tpcds.store_returns WHERE sr_customer_sk < 1000;
     regr_sxx     
------------------
 1626645991.46135
(1 row)

regr_sxy(Y, X)

描述：计算辅助统计量sum(X*Y) - sum(X) * sum(Y)/N（自变量X和因变量Y的乘方积）。

返回类型：double precision

示例：

1
2
3
4
5
 
SELECT REGR_SXY(sr_fee, sr_net_loss) FROM tpcds.store_returns WHERE sr_customer_sk < 1000;
     regr_sxy     
------------------
 2276003.22847225
(1 row)

regr_syy(Y, X)

描述：计算sum(Y^2) - sum(Y)^2/N（因变量Y的平方和）。

返回类型：double precision

示例：

1
2
3
4
5
 
SELECT REGR_SYY(sr_fee, sr_net_loss) FROM tpcds.store_returns WHERE sr_customer_sk < 1000;
    regr_syy     
-----------------
 2189417.6547314
(1 row)

stddev(expression)

描述：stddev_samp(expression)的别名，计算样本标准差。

返回类型：对于浮点类型的输入返回double precision，其他输入返回numeric。

示例：

1
2
3
4
5
 
SELECT STDDEV(inv_quantity_on_hand) FROM tpcds.inventory WHERE inv_warehouse_sk = 1;
      stddev      
------------------
 289.224359757315
(1 row)

variance(expression)

描述：var_samp(expression)的别名，计算样本方差。

返回类型：对于浮点类型的输入返回double precision类型，其他输入返回numeric类型。

示例：

1
2
3
4
5
 
SELECT VARIANCE(inv_quantity_on_hand) FROM tpcds.inventory WHERE inv_warehouse_sk = 1;
      variance      
--------------------
 83650.730277028768
(1 row)

checksum(expression)

描述：返回所有输入值的CHECKSUM值。使用该函数可以用来验证DWS数据库（不支持DWS之外的其他数据库）的备份恢复或者数据迁移操作前后表中的数据是否一致。在备份恢复或者数据迁移操作前后，都需要用户手动执行SQL命令获取结果，通过对比结果判断操作前后表中的数据是否一致。

  • 对于数据量大的表，执行CHECKSUM()函数可能耗时较长。
  • 如果两个表的CHECKSUM值不同，则表明两个表的内容不同。由于CHECKSUM函数使用散列函数，不能保证无冲突，因此两个不同内容的表可能会得到相同的CHECKSUM值，但这种情况的可能性较小。对于列进行的CHECKSUM也存在相同的情况。
  • 对于时间类型timestamp、timestamptz和smalldatetime，计算CHECKSUM值时请确保时区设置一致。
  • 若计算某列的CHECKSUM值，且该列类型可以默认转为TEXT类型，则expression为列名。
  • 若计算某列的CHECKSUM值，且该列类型不能默认转为TEXT类型，则expression为列名::TEXT。
  • 若计算所有列的CHECKSUM值，则expression为表名::TEXT。

可以默认转换为TEXT类型的类型包括：char、name、int8、int2、int1、int4、raw、pg_node_tree、float4、float8、bpchar、varchar、nvarchar2、date、timestamp、timestamptz、numeric和smalldatetime，其他类型需要强制转换为TEXT。

返回类型：numeric

示例：

表中可以默认转为TEXT类型的某列的CHECKSUM值：

1
2
3
4
5
 
SELECT CHECKSUM(inv_quantity_on_hand) FROM tpcds.inventory;
     checksum      
-------------------
 24417258945265247
(1 row)

表中不能默认转为TEXT类型的某列的CHECKSUM值（注意此时CHECKSUM参数是列名::TEXT）：

1
2
3
4
5
 
SELECT CHECKSUM(inv_quantity_on_hand::TEXT) FROM tpcds.inventory;
     checksum      
-------------------
 24417258945265247
(1 row)

表中所有列的CHECKSUM值。注意此时CHECKSUM参数是表名::TEXT，且表名前不加Schema：

1
2
3
4
5
 
SELECT CHECKSUM(inventory::TEXT) FROM tpcds.inventory;                    
     checksum      
-------------------
 25223696246875800
(1 row)

approx_count_distinct(col_name)

描述：使用HyperLogLog++ (HLL++) 算法估算某一列去重后的行数（即基数，Cardinality）。该函数仅8.3.0及以上集群版本支持。

参数说明：col_name，需要估算基数的列名。

可通过GUC参数approx_count_distinct_precision调整误差率。

  • 参数取值范围为[10,20]，默认值为17，理论误差率为千分之三。

  • 该参数表示HyperLogLog++ (HLL++)算法中分桶个数，参数值越大，分桶数越多，理论误差率则越小。
  • 该参数值越大，相应的计算时间和内存资源开销越大，但仍远小于精确的count distinct语句对应的开销。推荐在估算基数较大时使用该函数替换count distinct。

示例：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
 
CREATE TABLE employeeinfo (empno smallint, ename varchar(20), job varchar(20), hiredate date,deptno smallint) WITH (ORIENTATION = COLUMN);
INSERT INTO employeeinfo VALUES (7155, 'JACK', 'SALESMAN', '2018-12-01', 30);
INSERT INTO employeeinfo VALUES (7003, 'TOM', 'FINANCE', '2016-06-15', 20);
INSERT INTO employeeinfo VALUES (7357, 'MAX', 'SALESMAN', '2020-10-01', 30);

SELECT APPROX_COUNT_DISTINCT(empno) from employeeinfo;
 approx_count_distinct
-----------------------
                     3
(1 row)

SELECT COUNT(DISTINCT empno) FROM employeeinfo GROUP BY ename;
 count
-------
     1
     1
     1
(3 rows)

UNIQ(col_name)

描述：计算某一列去重后的行数，结果返回一个去重值。与COUNT DISTINCT功能类似。该函数仅8.3.0及以上集群版本支持。

参数说明：col_name，表示需要计算去重后行数的列。支持SMALLINT、INTEGER、BIGINT、REAL、DOUBLE PRECISION、TEXT、VARCHAR、TIMESTAMP、TIMESTAMPTZ、DATE、TIMETZ、UUID类型。

  • DWS目前仅列存表支持UNIQ()函数。
  • 使用UNIQ()函数时，SQL需要包含GROUP BY，为了取得更好性能所选GROUP BY字段分布需要尽量均匀。
  • 建议当SQL中需要去重的列大于等于3列时，使用UNIQ()函数去重，以取得比COUNT DISTINCT更好的效果。
  • 一般情况下UNIQ()函数内存消耗低于COUNT DISTINCT，如果使用COUNT DISTINCT时遇到内存超限，可以使用UNIQ()函数进行替换。

示例：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
 
CREATE TABLE employeeinfo (empno smallint, ename varchar(20), job varchar(20), hiredate date,deptno smallint) WITH (ORIENTATION = COLUMN);
INSERT INTO employeeinfo VALUES (7155, 'JACK', 'SALESMAN', '2018-12-01', 30);
INSERT INTO employeeinfo VALUES (7003, 'TOM', 'FINANCE', '2016-06-15', 20);
INSERT INTO employeeinfo VALUES (7357, 'MAX', 'SALESMAN', '2020-10-01', 30);

SELECT UNIQ(deptno) FROM employeeinfo GROUP BY ename;
 uniq
------
    1
    1
    1
(3 rows)
父主题： 函数和操作符

相关文档