惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Hugging Face - Blog
Hugging Face - Blog
Vercel News
Vercel News
C
Check Point Blog
G
Google Developers Blog
博客园 - 司徒正美
量子位
Engineering at Meta
Engineering at Meta
S
SegmentFault 最新的问题
Google DeepMind News
Google DeepMind News
F
Fortinet All Blogs
A
About on SuperTechFans
美团技术团队
D
DataBreaches.Net
Stack Overflow Blog
Stack Overflow Blog
Jina AI
Jina AI
Y
Y Combinator Blog
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Apple Machine Learning Research
Apple Machine Learning Research
J
Java Code Geeks
MongoDB | Blog
MongoDB | Blog
人人都是产品经理
人人都是产品经理
H
Hackread – Cybersecurity News, Data Breaches, AI and More
The Cloudflare Blog
U
Unit 42

博客园 - 大汪的数据之路

外企的问卷调查 10 Tips On How To Be Exceptional In Anything You Do(在所做的任何事情上变得卓越的10个方法) 企业网络环境全景解析——面向AI智能数据分析场景的数据工程师指南 数据虚拟化技术解析:从概念到实践 数据虚拟化:从“搬运数据”到“连接数据”的范式革命 数据运维值班预警自动化 数据“搬砖”实战经验 星环大数据使用体验 vibe coding使用体验 数据码农马年大吉 字符串分割并展开成表格的SQL实现方法 BI报表及可视化分析类工具使用经验总结(下) BI报表及可视化分析类工具使用经验总结(上) 基于Python实现自动化微信通知和预警 Chat2DB测试体验 常用数据管理工具与平台汇总 OneID系统建设实践总结 网易有数BI使用总结 网易NDH大数据平台使用经验 版本管理总结 程序自动化vs人工手动处理 SQL开发总结 数据平台使用经验 数据团队运维值班任务简介 Python环境安装、管理与部署 windows获取kerberos认证 SQL动态长度行列转置 ODI Scenario 场景 Oracle KEEP 分析函数
基于SQL实现分组的文字排序聚合
大汪的数据之路 · 2026-06-11 · via 博客园 - 大汪的数据之路

作为数据工程师,对数据进行处理分析时,时常遇到基于SQL实现分组内的文字列的排序聚合是非常常见的场景,比如按照价格高低进行各类别下商品的汇总、按照成绩进行各班的学生的排名等。当下,支持SQL的数据库生态百花齐放,SQL方言也是多种多样,为了方便记忆,以下总结了常见的几类数据产品或者平台的支持情况(代码经过实际测试可跑通):

假设数据集为sales,需要展示每个类别下的按照价格排序的商品清单。

CREATE TABLE sales AS
SELECT
'Electronics' AS category, 'Laptop' AS product, 1000 AS price UNION ALL SELECT 'Electronics', 'Mouse', 20 UNION ALL SELECT 'Electronics', 'Keyboard', 80 UNION ALL SELECT 'Furniture', 'Desk', 300 UNION ALL SELECT 'Furniture', 'Chair', 150

1,Spark

SELECT 
    category,
    concat_ws(',', 
        TRANSFORM(
            SORT_ARRAY(COLLECT_LIST(STRUCT(price, product))),
            s -> s.product
        )
    ) AS products_sorted
FROM sales
GROUP BY category
;

2,Impala

SELECT 
    category,
    regexp_replace(
        group_concat(concat_ws('|', rn, product), ','),
        '[0-9]+\\|', 
        ''
    ) AS products_sorted
FROM (
    SELECT 
        category,
        product,
        cast(row_number() OVER (PARTITION BY category ORDER BY price) AS STRING) AS rn
    FROM sales
) t
GROUP BY category;

3,Oracle

select category
, LISTAGG(product, ', ') WITHIN GROUP (ORDER BY price) AS product_sorted
from sales t
group by category

4,SQL Server

SELECT 
    category,
    STRING_AGG(product, ', ') WITHIN GROUP (ORDER BY price) AS products_sorted
FROM sales
GROUP BY category;

5,PostgreSQL

SELECT 
    category,
    string_agg(product, ', ' ORDER BY price) AS products_sorted
FROM sales
GROUP BY category;

6,MySQL

SELECT 
    category,
    GROUP_CONCAT(product ORDER BY price SEPARATOR ',') AS products_sorted
FROM sales
GROUP BY category;

7、SQLite&DuckDB

SELECT 
    category,
    string_agg(product, ', ' ORDER BY price) AS products_sorted,
    group_concat(product, ', ' ORDER BY price DESC) AS products_sorted1
FROM sales
GROUP BY category;

8,ClickHouse

--方式一,利用子查询先行排序
SELECT 
    category,
    arrayStringConcat(groupArray(product), ',') AS products_sorted
FROM (
    SELECT category, product
    FROM db_test.sales
    ORDER BY category, price ASC
)
GROUP BY category;

--方式二,Lambda表达式
SELECT 
    category,
    arrayStringConcat(
        arrayMap(
            x -> x.2,   -- 提取元组的第二个元素,即 product
            arraySort(
                x -> x.1,   -- 按元组的第一个元素(price)升序排序
                groupArray((price, product))
            )
        ),
        ','
    ) AS products_sorted
FROM db_test.sales
GROUP BY category;

总结:

  • 大数据体系:
    • Spark SQL:需要使用collect_list + sort_array + transform + concat_ws 组合才能实现该功能。
    • Impala SQL:不支持 order by 在 group_concat 内,需要在子查询中利用row_number先行排序 ,代码相对复杂,且该方法只支持Impala 2.3+。
  • 商业产品:
    • Oracle:listagg(expr, sep) within group (order by …)
    • SQL Server:string_agg(expr, sep) within group (order by …),只支持2017+。
  • 开源产品:
    • PostgreSQL:string_agg(expr, sep order by …)
    • MySQL:group_concat(expr order by … separator sep)
  • 嵌入式数据库:
    • SQLite&DuckDB:group_concat(expr, sep order by ...), 或者string_agg(expr, sep order by ...)
  • 分析型数据库:
    • ClickHouse:较旧的版本中需要使用子查询或者arrayStringConcat + groupArray + arraySort + arrayMap,从24.8版本开始支持groupConcat(sep)(expr ORDER BY ...)
  • 国产信创数据库:
    • 达梦DaMeng:可设置兼容模式,一般设置为兼容Oracle,可支持listagg语法
    • 海量Vastbase:原生兼容PostgreSQL,支持string_agg

Oracle listagg是商业数据库比较早的实现该功能的函数,使用方便,最为经典并广为人知。SQL Server前期支持较弱,后期弥补了该功能短板,为了方便用户记忆使用,格式与Oracle格式高度相似。开源数据库中,Mysql和PostgreSQL各自使用了独立的格式,相对商业数据库,变化较大,需要额外的记忆。嵌入式数据库中,无论是OLTP的SQLite,还是OLAP的DuckDB,其格式与PG高度一致,说明PG的影响力非常大,SQLite从3.44.0版本开始支持带order by功能,DuckDB本身定位为分析型数据库,从最早的版本即有完整的功能支持。大数据体系的特点是海量存储和非结构化数据处理,针对结构化数据的复杂处理逻辑,支持相对较弱,可以看出Impala和Spark的SQL实现逻辑最为复杂,嵌套使用了多种函数,代码冗长,很难快速记住。分析型数据库中,ClickHouse早期的逻辑比较复杂,Lambda函数类似Spark SQL,后期应该是为了用户使用方便,做了简化,但语法保持了自己的特色。国产信创数据库方面,目前多为兼容Oracle或者PostgreSQL,暂时应该还未发展出独立的语法体系。

以上只记录了语法格式的差异,而由于各个产品的架构设计不一样,实际使用中性能的差异可能会比较大。当然如果数据量不大,没有到亿级的规模,性能应该都是可以接受的。

进入大模型时代之后,靠记忆来记住不同数据库的语法既耗时也没有必要。只要稍微描述下场景,大模型直接可以写出完整的语句。只要掌握各类数据产品的特点和背景,数据工程师在面对新数据产品的时候,就可以快速利用AI大模型进行各类复杂逻辑的SQL开发。