在SQL的实际业务查询中，经常会遇到需要根据多个维度的聚合结果计算动态权重，再按照权重完成排序的需求，这类复杂排序场景无法仅通过基础的ORDER BY子句实现，而子查询可以很好地解决这个问题。
核心实现思路
基于聚合结果的动态权重排序，整体实现可以分为两个步骤：第一步通过子查询对原始数据做分组聚合，计算出每个分组对应的权重相关指标；第二步将子查询的结果作为临时数据集，在外层查询中根据聚合结果计算动态权重，最后使用ORDER BY按照权重完成排序。
基础示例场景
假设存在一张商品销售表product_sales，表结构如下：
| 字段名 | 类型 | 说明 |
|---|---|---|
| product_id | INT | 商品ID |
| sale_count | INT | 销售数量 |
| comment_count | INT | 评论数量 |
| sale_date | DATE | 销售日期 |
现在需要按照动态权重排序商品，权重规则为：近30天销售数量占比40%，近30天评论数量占比60%，权重越高排序越靠前。我们可以通过子查询先统计每个商品的近30天销售和评论数据，再计算权重完成排序。
实现代码
-- 子查询先统计每个商品的近30天销售数量和评论数量
SELECT
product_id,
-- 计算动态权重：销售数量*0.4 + 评论数量*0.6
(total_sale * 0.4 + total_comment * 0.6) AS dynamic_weight
FROM (
-- 内层子查询：按商品分组，聚合近30天的销售和评论数据
SELECT
product_id,
SUM(sale_count) AS total_sale,
SUM(comment_count) AS total_comment
FROM product_sales
WHERE sale_date >= DATE_SUB(CURDATE(), INTERVAL 30 DAY)
GROUP BY product_id
) AS agg_temp
-- 按照动态权重降序排序
ORDER BY dynamic_weight DESC;
复杂场景扩展
如果权重规则还包含其他维度的聚合，比如需要加入商品的平均评分维度，占比20%，那么只需要在内层子查询中额外聚合平均评分，再调整外层的权重计算公式即可。
扩展实现代码
-- 扩展后的查询，加入平均评分维度
SELECT
product_id,
-- 权重规则：销售40% + 评论30% + 平均评分30%
(total_sale * 0.4 + total_comment * 0.3 + avg_score * 0.3) AS dynamic_weight
FROM (
SELECT
product_id,
SUM(sale_count) AS total_sale,
SUM(comment_count) AS total_comment,
AVG(score) AS avg_score
FROM product_sales
WHERE sale_date >= DATE_SUB(CURDATE(), INTERVAL 30 DAY)
GROUP BY product_id
) AS agg_temp
ORDER BY dynamic_weight DESC;
注意事项
- 子查询的临时表需要设置明确的别名，否则部分数据库会报错。
- 聚合函数的使用需要和GROUP BY子句匹配，避免分组逻辑错误。
- 如果原始数据量较大，子查询的聚合操作可能会消耗较多性能，可以根据实际情况添加合适的索引优化。
- 动态权重的计算逻辑需要和业务的权重规则完全匹配，避免计算错误导致排序结果不符合预期。
这种基于子查询的动态权重排序方法，适用于所有需要根据多维度聚合结果计算排序规则的场景，灵活性高，适配性强，是SQL复杂排序场景的常用解决方案。