在实际的业务数据处理场景中，经常需要按照任务进度维度对数据做分组统计，同时还需要实现个性化的聚合逻辑来满足业务需求，比如统计不同进度下的任务数量、平均完成耗时等。不同的SQL数据库提供了不同的能力支持这类操作，下面会逐步讲解实现方法。
基础分组统计实现
首先我们需要明确任务进度的划分规则，通常任务进度会以百分比或者状态值的形式存储，比如0代表未开始，30代表进行中，70代表待验收，100代表已完成。如果只需要做简单的分组统计，比如统计每个进度区间的任务数量，可以直接使用GROUP BY语句实现。
假设我们有如下任务表task_info，表结构如下：
| 字段名 | 类型 | 说明 |
|---|---|---|
| task_id | INT | 任务ID |
| task_name | VARCHAR | 任务名称 |
| progress | INT | 任务进度（0-100） |
| cost_time | INT | 任务耗时（小时） |
如果我们要按照进度区间分组，统计每个区间的任务数量，可以使用CASE WHEN语句先对进度做区间划分，再进行分组：
-- 按进度区间分组统计任务数量
SELECT
CASE
WHEN progress = 0 THEN '未开始'
WHEN progress > 0 AND progress < 100 THEN '进行中'
WHEN progress = 100 THEN '已完成'
ELSE '异常进度'
END AS progress_stage,
COUNT(*) AS task_count
FROM task_info
GROUP BY
CASE
WHEN progress = 0 THEN '未开始'
WHEN progress > 0 AND progress < 100 THEN '进行中'
WHEN progress = 100 THEN '已完成'
ELSE '异常进度'
END
ORDER BY task_count DESC;
自定义聚合逻辑的实现
如果基础的聚合函数（比如COUNT、SUM、AVG）无法满足需求，就需要实现自定义聚合逻辑。不同数据库的实现方式有所区别，下面分别介绍MySQL和PostgreSQL的实现方法。
MySQL中自定义聚合函数
MySQL支持通过创建存储函数来模拟自定义聚合逻辑，比如我们需要统计每个进度区间下，耗时超过24小时的任务占比，就需要自定义计算逻辑。
首先创建一个存储函数，用来判断单个任务的耗时是否超过24小时：
-- 创建判断耗时是否超24小时的存储函数
DELIMITER //
CREATE FUNCTION is_over_24(cost INT)
RETURNS INT
DETERMINISTIC
BEGIN
DECLARE result INT;
IF cost > 24 THEN
SET result = 1;
ELSE
SET result = 0;
END IF;
RETURN result;
END //
DELIMITER ;
然后结合分组语句，统计每个进度区间的超24小时任务数量和总任务数，再计算占比：
-- 统计各进度区间超24小时任务占比
SELECT
CASE
WHEN progress = 0 THEN '未开始'
WHEN progress > 0 AND progress < 100 THEN '进行中'
WHEN progress = 100 THEN '已完成'
ELSE '异常进度'
END AS progress_stage,
COUNT(*) AS total_task,
SUM(is_over_24(cost_time)) AS over_24_task,
CONCAT(ROUND(SUM(is_over_24(cost_time)) / COUNT(*) * 100, 2), '%') AS over_24_rate
FROM task_info
GROUP BY
CASE
WHEN progress = 0 THEN '未开始'
WHEN progress > 0 AND progress < 100 THEN '进行中'
WHEN progress = 100 THEN '已完成'
ELSE '异常进度'
END;
PostgreSQL中自定义聚合
PostgreSQL支持更灵活的自定义聚合函数，我们可以直接创建一个聚合函数来完成复杂统计。比如我们需要统计每个进度区间下，所有任务耗时的中位数，就需要自定义聚合逻辑。
首先创建一个计算中位数的聚合函数：
-- 创建中位数聚合函数
CREATE OR REPLACE FUNCTION median_agg_transition(state ANYARRAY, val ANYELEMENT)
RETURNS ANYARRAY AS $$
BEGIN
RETURN array_append(state, val);
END;
$$ LANGUAGE plpgsql;
CREATE OR REPLACE FUNCTION median_agg_final(state ANYARRAY)
RETURNS NUMERIC AS $$
DECLARE
sorted_arr ANYARRAY;
arr_len INT;
mid_idx INT;
BEGIN
SELECT ARRAY(SELECT unnest(state) ORDER BY 1) INTO sorted_arr;
arr_len := array_length(sorted_arr, 1);
IF arr_len % 2 = 1 THEN
RETURN sorted_arr[(arr_len + 1) / 2];
ELSE
RETURN (sorted_arr[arr_len / 2] + sorted_arr[arr_len / 2 + 1]) / 2.0;
END IF;
END;
$$ LANGUAGE plpgsql;
CREATE AGGREGATE median(ANYELEMENT) (
SFUNC = median_agg_transition,
STYPE = ANYARRAY,
FINALFUNC = median_agg_final,
INITCOND = '{}'
);
然后使用这个自定义聚合函数统计各进度区间的任务耗时中位数：
-- 按进度区间分组统计任务耗时中位数
SELECT
CASE
WHEN progress = 0 THEN '未开始'
WHEN progress > 0 AND progress < 100 THEN '进行中'
WHEN progress = 100 THEN '已完成'
ELSE '异常进度'
END AS progress_stage,
COUNT(*) AS task_count,
median(cost_time) AS median_cost_time
FROM task_info
GROUP BY
CASE
WHEN progress = 0 THEN '未开始'
WHEN progress > 0 AND progress < 100 THEN '进行中'
WHEN progress = 100 THEN '已完成'
ELSE '异常进度'
END;
注意事项
- 进度区间的划分规则需要和实际业务对齐，避免出现进度值遗漏的情况。
- 自定义聚合函数如果涉及复杂逻辑，需要注意性能问题，数据量较大时可以先做数据过滤再分组统计。
- 不同数据库的自定义函数语法差异较大，编写时需要参考对应数据库的官方文档。
- 如果进度是连续值，也可以使用
FLOOR(progress/10)*10这样的方式做10%区间的自动划分，减少CASE WHEN的书写量。
自定义聚合逻辑的核心是先把分组维度确定好，再把需要聚合的字段按照业务规则做处理，最后结合分组语句输出结果，只要理清这个流程，大部分任务进度的分组统计需求都可以实现。