一条sql实现多维分析的关键是组合使用GROUP BY、CASE WHEN、聚合函数和窗口函数：用CASE WHEN+聚合函数做条件统计，GROUPING SETS/CUBE生成多维小计，窗口函数补充动态指标（如占比、排名），所有计算可在单条select中完成。
用一条SQL同时统计多个指标、生成多维分析结果，关键在于灵活组合 GROUP BY、CASE WHEN、聚合函数 和 窗口函数。不需要写多条SQL或多次查询，就能在一个结果集中输出分组汇总、条件计数、占比、累计值等维度。
用 CASE WHEN + 聚合函数做条件统计
这是最常用也最实用的方式：在 COUNT/SUM/AVG 等函数中嵌套 CASE WHEN，实现“按规则分别计数”。比如统计每个部门的总人数、男女人数、高薪人数（薪资 > 15000）：
SELECT dept, count(*) AS total_cnt, COUNT(CASE WHEN gender = '男' THEN 1 END) AS male_cnt, COUNT(CASE WHEN gender = '女' THEN 1 END) AS female_cnt, COUNT(CASE WHEN salary > 15000 THEN 1 END) AS high_salary_cnt, AVG(salary) AS avg_salary FROM employees GROUP BY dept;注意：用 COUNT(CASE WHEN ... THEN 1 END) 而不是 COUNT(*) 配合 WHERE，才能保证各指标在同一分组下对齐；NULL 不会被 COUNT 统计，所以安全可靠。
用 GROUPING SETS 或 CUBE 快速生成多维小计
当需要同时查看「按部门」「按城市」「按部门+城市」等多个粒度的汇总时，不用写多个 GROUP BY 再 union，直接用 GROUPING SETS（标准 SQL）或 CUBE（部分数据库支持）：
- GROUPING SETS((dept), (city), (dept, city), ()) → 分别输出部门汇总、城市汇总、部门×城市交叉汇总、全表总计
- CUBE(dept, city) 效果类似，会自动补全所有组合（含空维度）
配合 GROUPING() 函数还能标记哪一列是小计行（返回 1 表示该列被折叠），方便识别汇总层级。
用窗口函数补充动态指标（不破坏原有行粒度）
如果原始数据是明细行（如订单流水），又想同时看到“每个用户的订单数”和“该用户订单占全站比例”，就不能只靠 GROUP BY —— 这时窗口函数上场：
SELECT user_id, COUNT(*) OVER(PARTITION BY user_id) AS user_order_cnt, COUNT(*) OVER() AS total_order_cnt, ROUND( COUNT(*) OVER(PARTITION BY user_id) * 1.0 / COUNT(*) OVER(), 4 ) AS user_ratio FROM orders;这样每行仍保留原始 user_id，但附带了用户级统计和全局统计，便于后续筛选或排序，也避免了 JOIN 汇总表的复杂性。
组合使用让结果更完整（带占比、排名、趋势）
真实分析常需“多维+多指标+衍生计算”。例如：按月份统计销售额、环比增长、占全年比重、销售排名：
- 用
DATE_TRUNC('month', order_time)或TO_CHAR(order_time, 'yyYY-MM')提取月粒度 - 用
SUM(amount) OVER(PARTITION BY ...)做月度汇总 - 用
LAG(SUM(amount)) OVER(ORDER BY month)取上月值算环比 - 用
SUM(amount) OVER()得全年总额，再做除法得占比 - 用
RANK() OVER(ORDER BY SUM(amount) DESC)加排名
所有这些，都可写进同一条 SELECT，无需子查询嵌套过深，只要逻辑清晰、别名明确，就非常可读且高效。