分组聚合（GROUP BY + 聚合函数）是SQL大数据统计中最常见也最容易出性能问题的场景。想让查询又快又稳，光写对逻辑不够，必须结合索引设计、数据分布和执行计划一起优化。
为什么GROUP BY容易慢？
本质是先按分组字段排序或哈希，再逐组计算聚合值。数据量大时，会触发大量磁盘临时表（Using temporary; Using filesort）、内存溢出或网络Shuffle（在分布式引擎如Spark SQL中尤为明显）。尤其当分组字段无索引、或索引未覆盖查询列时，数据库不得不回表或全表扫描。
索引怎么建才真正生效？
不是“给GROUP BY字段加个索引”就完事。关键看三件事：索引顺序、是否覆盖、以及是否匹配执行路径。
ShopNum1网店系统
下载
ShopNum1拥有强大的网店促销模块，里面就包括商品团购、捆绑销售、品牌专卖、积分换购、优惠券促销、打折促销等众多促销功能，通过合理的组合使用，能帮助商家更好的提高消费者的忠诚度，有效发展新用户，从而带来订单数量的提升。 ShopNum1通过对网店系统软件本身的众多细节优化，有效提升了各主要搜索引擎对其收录的友好程度，从而帮助商家通过搜索引擎带来更多的直接有效客户，以达到提升订单销量的目的。 强
-
最左前缀必须匹配分组字段：比如
GROUP BY region, city，索引应为(region, city)；若只建(city, region)，多数引擎无法跳过前导列，索引大概率失效。 -
尽量覆盖SELECT中的非聚合列：例如
SELECT region, city, COUNT(*), AVG(sales) FROM orders GROUP BY region, city，理想索引是(region, city, sales)——前两列支撑分组，sales列支持AVG计算，避免回表。 - 聚合函数影响索引选择：COUNT(*) 可直接用索引行数（尤其InnoDB主键聚簇索引）；COUNT(col) 需排除NULL，若col允许NULL且无索引，就得扫全列；SUM/AVG最好让数值列落在索引后缀位，方便索引内完成计算。
大数据量下的实用优化技巧
单靠索引有时不够，尤其TB级表。要组合策略：
-
预聚合表（汇总宽表）：按业务周期（如天/小时）提前算好
region-city-day → count, sum_sales, avg_price，查询时直接查汇总表，性能提升百倍以上。 -
分区裁剪配合分组：按时间分区的表，加上
WHERE dt BETWEEN '2024-01-01' AND '2024-01-31'，能让引擎只扫相关分区，再在小数据集上GROUP BY，效果立竿见影。 - 用物化视图（MySQL 8.0+ / PostgreSQL / Doris / StarRocks）：自动维护分组结果，查询走MV等价于查普通表，无需重算。
- 避免SELECT * + GROUP BY：这是高频反模式。GROUP BY后非聚合列的值是不确定的（除非ONLY_FULL_GROUP_BY开启），还强制引擎做额外字段提取，徒增IO和内存压力。
面试时怎么答出亮点？
别只说“加索引”。可以这样结构化表达：
- 先看执行计划：
EXPLAIN FORMAT=JSON确认有没有Using temporary，key_len是否用满索引； - 再看数据特征：分组键基数高（如user_id）适合哈希聚合；基数低（如status in (0,1,2)）可考虑索引+覆盖+分区联合优化；
- 最后提方案层次：紧急用预聚合，中期建合适复合索引，长期推动物化视图或OLAP引擎迁移。
