分位数（quantile）在数据分析中用来描述数据分布的位置特征，比如 P99 延迟、中位数收入等。当数据量达到亿级时，传统精确分位数需要全量排序，计算成本极高。APPROX_PERCENTILE 与 PERCENTILE_CONT 提供了不同的解决路径：一类以牺牲少量精度换取性能，另一类基于连续分布假设做插值。理解它们的计算逻辑，是写出高效 SQL 的关键。
一、APPROX_PERCENTILE 的原理与用法
APPROX_PERCENTILE 是一类近似分位数函数的代表，在 ClickHouse、Presto、Spark SQL 等系统中均有实现。它通常基于蓄水池抽样（Reservoir Sampling）或 t-digest、HDR Histogram 等概率数据结构，在只扫描一遍数据的前提下估算分位数值。由于不保存全量数据，内存占用是常数级，非常适合流式或大规模离线场景。
以 ClickHouse 为例，approx_percentile 函数支持指定误差参数。下面的语句计算某访问日志表的 P95 响应时间，并允许约 1% 的误差：
SELECT
approx_percentile(0.95, 0.01)(response_time) AS p95_latency
FROM access_log
WHERE event_date = '2023-10-01'
上述代码中，第一个参数是目标分位（0.95），第二个参数是最大相对误差（0.01）。若省略误差参数，系统使用默认值。从实践看，在十亿行数据上，APPROX_PERCENTILE 往往比精确排序快几十倍，而结果偏差通常落在业务可接受范围内。
需要注意的是，不同系统的函数名略有差异：Presto 使用 approx_percentile，Spark 使用 approxQuantile（DataFrame API），ClickHouse 则为 approx_percentile。它们的底层结构虽不同，但核心思想一致，即用概率结构换时间空间。
二、PERCENTILE_CONT 的连续分布插值
PERCENTILE_CONT 是 SQL 标准中的窗口函数，属于精确分位数的一种连续插值实现。它假设数据在相邻有序值之间服从连续均匀分布，通过线性插值得出分位数。与 PERCENTILE_DISC（离散分位数，直接取实际存在的值）不同，CONT 可能返回一个并不存在于原数据集中的数值。
在 PostgreSQL 中，PERCENTILE_CONT 必须配合窗口子句或 ORDER BY 聚合使用。以下示例计算员工薪资的 P50 与 P90：
SELECT
department,
percentile_cont(0.5) WITHIN GROUP (ORDER BY salary) AS median_salary,
percentile_cont(0.9) WITHIN GROUP (ORDER BY salary) AS p90_salary
FROM employees
GROUP BY department
这段代码中，WITHIN GROUP (ORDER BY salary) 指定了排序依据。PERCENTILE_CONT 先对组内薪资排序，再按公式 (n-1)*p + 1 定位位置，若落点在两行之间则线性插值。例如有薪资 3000、4000、5000，求 P50 时位置为 2，结果就是 4000；若求 P40，位置为 1.8，则结果为 3000 + 0.8*(4000-3000) = 3800。
虽然 PERCENTILE_CONT 是精确计算（不引入概率误差），但它仍需内部排序，数据量大时会产生明显性能瓶颈。因此在实时大表上直接使用，往往不可行。
三、两者差异与选型建议
从计算性质看，APPROX_PERCENTILE 是近似算法，结果带有随机误差但资源消耗低；PERCENTILE_CONT 是确定性插值，结果可复现但依赖全量排序。下面用表格归纳核心区别：
| 维度 | APPROX_PERCENTILE | PERCENTILE_CONT |
|---|---|---|
| 精度 | 近似，可配误差 | 精确插值 |
| 性能 | 扫描一次，内存低 | 需排序，内存高 |
| 返回值 | 估算值 | 连续插值结果 |
| 适用场景 | 监控、大数报表 | 小表、合规统计 |
在监控看板中，用 APPROX_PERCENTILE 观察 P99 延迟趋势完全足够，因为用户关注的是波动而非绝对数值。而在财务审计场景，必须采用 PERCENTILE_CONT 保证每次计算结果一致。
另外，某些系统（如 Oracle）也提供 APPROX_PERCENTILE 作为对 PERCENTILE_CONT 的近似替代，语法上保持近似兼容，方便迁移。编写跨库 SQL 时，应查阅对应文档确认函数名与参数顺序。
四、误差控制与验证方法
使用近似函数时，不能盲目信任输出。建议先用小样本对照 PERCENTILE_CONT 计算真实值，再观察 APPROX_PERCENTILE 的偏差。以下 Python 片段模拟了这一验证过程：
import random
data = [random.expovariate(0.01) for _ in range(10000)]
def percentile_cont(sorted_data, p):
# 连续插值分位数
n = len(sorted_data)
pos = (n - 1) * p
lo = int(pos)
hi = min(lo + 1, n - 1)
return sorted_data[lo] + (pos - lo) * (sorted_data[hi] - sorted_data[lo])
sorted_data = sorted(data)
exact = percentile_cont(sorted_data, 0.95)
print('exact p95:', exact)
# 近似函数需由数据库计算，此处仅示意误差范围概念
通过上述对照，可以设定业务允许的误差阈值，并在 SQL 中传入对应参数。若发现 APPROX_PERCENTILE 偏差过大，可尝试调小误差参数或增加采样精度（部分系统支持）。
最后强调，在代码与文档中引用 HTML 标签名称时应转义，例如写 <input> 而不是 <input> 未转义形式；函数调用如 percentile_cont() 仅是函数，不是标签。清晰区分这些写法，能减少团队协作中的误解。
APPROX_PERCENTILEPERCENTILE_CONTapproximate_quantile修改时间：2026-08-05 05:33:30