sql 聚合查询慢，核心问题往往不在函数本身，而在数据访问路径、中间结果集大小和统计信息准确性。优化重点是减少扫描行数、避免隐式转换、合理使用索引，并控制 GROUP BY 的基数。
精准定位性能瓶颈
别猜，先看执行计划。重点关注：
- 实际扫描行数 vs 预估行数：偏差大说明统计信息过期，需 ANALYZE 表（postgresql）或 UPDATE STATISTICS（SQL Server）
- 是否出现临时表（Temporary table）或磁盘排序（Disk sort）：意味着内存不足或 GROUP BY 字段无索引，导致落盘处理
- 聚合前是否有高成本 Filter 或 Join：优先优化前置条件，比如把 WHERE 条件下推，过滤掉 90% 数据后再聚合
索引策略要匹配聚合模式
普通单列索引对 count(*) 或 MIN/MAX 有帮助，但对 GROUP BY + 聚合函数效果有限。应构建覆盖型复合索引：
- 顺序为：WHERE 条件字段 → GROUP BY 字段 → select 中的聚合字段（如需要）
- 例如：SELECT dept_id, COUNT(*) FROM emp WHERE status = ‘active’ GROUP BY dept_id；可建索引 (status, dept_id)
- 若还需 AVG(salary)，且不想回表，可扩展为 (status, dept_id, salary) —— 注意索引宽度与维护成本平衡
控制中间结果集规模
GROUP BY 基数（分组数量）过高会显著拖慢聚合速度。可通过以下方式干预：
- 用 WHERE 提前过滤低频/无效分组值，比如排除 NULL 或测试数据
- 对字符串分组字段考虑前缀索引或规范化（如地区编码替代长地址文本）
- 必要时拆分聚合：先用子查询或 CTE 按大类汇总，再二次聚合，避免单次超大分组
- 慎用 SELECT DISTINCT + 聚合混写，容易触发重复计算，改用标准 GROUP BY 更可控
善用物化与近似算法
对实时性要求不高的报表类聚合，可降低计算压力：
- 用物化视图（PostgreSQL）或索引视图（SQL Server）预存聚合结果，查询直接读取
- 大数据量去重计数（COUNT(DISTINCT)）可用 HyperLogLog 等概率算法（如 PostgreSQL 的 hll 扩展），误差率可控在 1% 内
- 分区表按时间/地域切分后，聚合可并行扫描多个分区，再合并结果，比全表扫描快数倍
不复杂但容易忽略：聚合字段类型要和索引字段严格一致，避免隐式类型转换导致索引失效；小表关联大表聚合时，确保驱动表选择合理，必要时用 STRAIGHT_JOIN 或 /*+ leading() */ 提示优化器。