在一批订单数据里找出每个客户最常购买的商品，在日志表里统计每台机器出现频率最高的错误码，这类需求本质上都是求分组内的众数。众数就是一组数据中出现次数最多的那个值。看起来简单，但很多人动手写SQL时才发现，主流数据库并没有提供现成的众数聚合函数，直接GROUP BY之后再怎么写就成了难题。本文从数据准备开始，一步步演示如何用分组统计配合窗口函数解决这个问题，并对比几种不同写法的适用场景。
准备测试数据：一张订单表
为了让后面的示例有据可依，先建一张简单的订单表，包含客户编号和购买的商品名称两列。我们的目标是找出每个客户买得最多的商品。
CREATE TABLE orders (
customer_id INT,
product VARCHAR(50)
);
INSERT INTO orders VALUES
(1, '苹果'),
(1, '苹果'),
(1, '香蕉'),
(1, '苹果'),
(2, '香蕉'),
(2, '香蕉'),
(2, '橘子'),
(2, '橘子'),
(3, '牛奶'),
(3, '面包');
观察一下数据：客户1买了3次苹果、1次香蕉，众数是苹果；客户2香蕉和橘子各2次，属于并列众数；客户3牛奶和面包各1次，也是并列。这个特意设计的并列情况，正好可以用来检验不同SQL写法的行为差异，后面会看到有的写法只返回一个结果，有的会全部返回。
另外要注意，如果真实业务表中存在NULL值，比如product列为空，统计时需要先想清楚NULL算不算一个有效取值。多数场景下建议在WHERE中过滤掉NULL，避免统计结果被无意义的空值干扰。
基础思路：GROUP BY计数后再取最大值
最直观的思路分两步走。第一步，按客户和商品分组，数出每种商品被买了多少次；第二步，从每个客户的统计结果里挑出计数最大的那一行。先看第一步的SQL。
SELECT
customer_id,
product,
COUNT(*) AS cnt
FROM orders
GROUP BY customer_id, product
ORDER BY customer_id, cnt DESC;
这条语句执行后，每个客户每种商品各占一行，cnt列就是出现次数。接下来问题转化为经典的每组最大值问题。传统做法是用相关子查询，判断当前行的计数是否等于该客户计数中的最大值。
SELECT t.customer_id, t.product, t.cnt
FROM (
SELECT customer_id, product, COUNT(*) AS cnt
FROM orders
GROUP BY customer_id, product
) t
WHERE t.cnt = (
SELECT MAX(cnt)
FROM (
SELECT customer_id, product, COUNT(*) AS cnt
FROM orders
GROUP BY customer_id, product
) m
WHERE m.customer_id = t.customer_id
);
这个写法兼容性最好，几乎所有数据库都支持，但它对同一张表做了两次分组扫描，相关子查询还可能被反复执行，数据量大时性能不理想。而且写法冗长，逻辑分了好几层，可读性较差。这就引出了更优雅的窗口函数方案。
窗口函数方案：ROW_NUMBER与RANK的选择
窗口函数的核心价值在于，它可以在保留明细行的基础上为每行打上计算标记。我们先按客户和商品统计出频次，然后按客户分区，对频次倒序排列，给每行编号，最后取编号为1的行，众数就出来了。
SELECT customer_id, product, cnt
FROM (
SELECT
customer_id,
product,
cnt,
ROW_NUMBER() OVER (
PARTITION BY customer_id
ORDER BY cnt DESC
) AS rn
FROM (
SELECT customer_id, product, COUNT(*) AS cnt
FROM orders
GROUP BY customer_id, product
) s
) r
WHERE rn = 1;
用ROW_NUMBER时，即使出现并列（比如客户2的香蕉和橘子都是2次），也只会返回其中一条，因为ROW_NUMBER保证编号唯一。这在业务上只要求一个代表值时很合适，但结果带有随机性，具体返回哪条取决于数据库内部的排序处理。
如果希望并列众数全部列出来，把ROW_NUMBER换成RANK即可。RANK对相同的排序值给出相同的名次，并列第一都会被标记为1，外层筛选rn = 1就能把所有并列众数都取到。改写后的关键片段如下。
RANK() OVER (
PARTITION BY customer_id
ORDER BY cnt DESC
) AS rn
对比一下子查询方案，窗口函数方案只做一次分组统计，ROW_NUMBER或RANK在分组结果集上计算，整体执行效率明显更高，而且逻辑集中在一层嵌套里，维护起来更轻松。这也是目前业界处理分组众数最主流的写法。需要提醒的是，窗口函数要求MySQL 8.0及以上版本，如果还在用MySQL 5.7，就只能退回子查询方案。
其他数据库的补充写法与注意事项
除了通用方案，部分数据库提供了更直接的特性。Oracle内置了STATS_MODE聚合函数，一条语句就能搞定。
SELECT customer_id, STATS_MODE(product) AS mode_product FROM orders GROUP BY customer_id;
PostgreSQL 9.4+则支持自定义聚合，官方文档中就有用C语言或PL/pgSQL实现mode函数的例子，社区里也有现成的pg_tools扩展可以用。SQL Server和MySQL没有原生支持，窗口函数方案仍是首选。
实际落地时还有几个细节值得留意。第一，并列众数的业务定义要提前和需求方确认，是要任意一个还是全部返回，这决定了用ROW_NUMBER还是RANK。第二，如果数据存在NULL，GROUP BY会把NULL单独算作一组，若不希望NULL参与众数竞争，需要在统计前过滤。第三，当分组数量特别多时，可以在频次子查询上针对分组列建立索引，减少分组扫描的开销。
总结一下，分组众数的通用解法就是频次统计加窗口排序筛选：GROUP BY负责算次数，窗口函数负责在组内排名，外层过滤排名第一的记录。掌握这个组合套路后，类似的最常见值、组内TopN问题也都能举一反三地解决。
SQL众数窗口函数GROUP BY分组统计修改时间：2026-09-07 02:16:33