数据库统计命令是数据库管理中不可或缺的工具，它们能够帮助用户高效地获取数据汇总信息、分析数据趋势、监控数据库性能等，不同的数据库管理系统（如MySQL、PostgreSQL、Oracle、SQL Server等）虽然语法略有差异，但核心统计功能类似，以下将详细介绍常用的数据库统计命令，涵盖数据查询、聚合计算、窗口函数及性能统计等多个方面。
在数据查询统计中，最基础的是SELECT语句配合聚合函数。COUNT()用于统计行数，SUM()计算总和，AVG()求平均值，MAX()和MIN()分别获取最大值和最小值，假设有一个名为sales的表，包含product_id（产品ID）、category（类别）、quantity（数量）和price（价格）字段，若要统计每个类别的产品销售总量和平均销售额，可以使用以下命令：
SELECT category, SUM(quantity * price) AS total_sales, AVG(quantity * price) AS avg_sales FROM sales GROUP BY category;
这里GROUP BY子句按类别分组，聚合函数对每个组进行计算，若需进一步筛选结果，可添加HAVING子句，例如只显示总销售额超过10000的类别：HAVING total_sales > 10000。
对于更复杂的统计需求，窗口函数（Window Function）提供了强大的支持，窗口函数能够在不改变分组的情况下，为每一行计算基于窗口的聚合值，计算每个产品销售额在所属类别中的排名：
SELECT product_id, category, quantity * price AS sales,
RANK() OVER (PARTITION BY category ORDER BY sales DESC) AS category_rank
FROM sales;
其中PARTITION BY category定义窗口分区（按类别分组），ORDER BY sales DESC指定排序方式，RANK()函数返回每行在分区内的排名，类似的窗口函数还包括ROW_NUMBER()（行号）、DENSE_RANK()（密集排名）、LEAD()和LAG()（获取前后行的数据）等。
时间序列数据的统计在业务分析中十分常见，按月统计销售额并计算环比增长率：
SELECT
DATE_FORMAT(sale_date, '%Y-%m') AS month,
SUM(quantity * price) AS monthly_sales,
LAG(SUM(quantity * price), 1) OVER (ORDER BY DATE_FORMAT(sale_date, '%Y-%m')) AS prev_month_sales,
(SUM(quantity * price) - LAG(SUM(quantity * price), 1) OVER (ORDER BY DATE_FORMAT(sale_date, '%Y-%m'))) /
LAG(SUM(quantity * price), 1) OVER (ORDER BY DATE_FORMAT(sale_date, '%Y-%m')) * 100 AS growth_rate
FROM sales
GROUP BY DATE_FORMAT(sale_date, '%Y-%m')
ORDER BY month;
此查询通过LAG()函数获取上一月的销售额，并计算增长率，不同数据库对日期函数的支持不同，如PostgreSQL使用TO_CHAR()，Oracle使用TO_CHAR()或EXTRACT()。
数据库性能统计也是管理员关注的重点，在MySQL中，可通过SHOW STATUS命令查看服务器状态变量，
SHOW GLOBAL STATUS LIKE 'Com_select'; -- 查询次数 SHOW GLOBAL STATUS LIKE 'Innodb_row_lock_waits'; -- InnoDB行锁等待次数
对于更详细的性能分析，使用EXPLAIN分析查询执行计划：
EXPLAIN SELECT * FROM sales WHERE category = 'Electronics';
该命令会显示表的访问类型、使用的索引、扫描行数等信息，帮助优化查询，在PostgreSQL中，可通过pg_stat_statements扩展模块统计SQL语句的执行情况，需先启用扩展：CREATE EXTENSION pg_stat_statements;，然后查询：
SELECT query, calls, total_time, rows FROM pg_stat_statements ORDER BY total_time DESC LIMIT 10;
数据库还提供了系统表或视图用于统计元数据，在MySQL中，information_schema.tables表存储了所有表的信息，可统计每个表的行数和数据大小：
SELECT
table_name,
table_rows,
data_length / 1024 / 1024 AS data_size_mb
FROM information_schema.tables
WHERE table_schema = 'your_database_name'
ORDER BY data_size_mb DESC;
在SQL Server中，可使用sp_spaceused存储过程查看表的空间使用情况：EXEC sp_spaceused 'sales';。
以下是一个常用统计命令的对比表格,展示不同数据库的语法差异：
| 功能 | MySQL | PostgreSQL | Oracle | SQL Server |
|---|---|---|---|---|
| 按月分组统计 | DATE_FORMAT(date, '%Y-%m') | TO_CHAR(date, 'YYYY-MM') | TO_CHAR(date, 'YYYY-MM') | FORMAT(date, 'yyyy-MM') |
| 计算移动平均 | 需通过子查询实现 | AVG(sales) OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) | AVG(sales) OVER (ORDER BY date RANGE BETWEEN INTERVAL '2' DAY PRECEDING AND CURRENT ROW) | AVG(sales) OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) |
| 查看表大小 | information_schema.tables | pg_class | ALL_TABLES / DBA_TABLES | sys.dm_db_partition_stats |
| 启用统计扩展 | 无需扩展 | CREATE EXTENSION pg_stat_statements | 无需扩展 | 启用Query Store |
通过以上命令和示例，可以看出数据库统计命令的灵活性和强大功能，合理使用这些工具，能够帮助用户从海量数据中提取有价值的信息，支持业务决策和系统优化，无论是简单的汇总统计，还是复杂的时间序列分析或性能监控,掌握这些命令都是数据库从业者的必备技能。
相关问答FAQs
Q1: 如何统计数据库中每个表的行数和存储空间占用情况？
A1: 不同数据库系统略有差异，在MySQL中，可查询information_schema.tables表：
SELECT table_name, table_rows, data_length / 1024 / 1024 AS data_size_mb FROM information_schema.tables WHERE table_schema = '数据库名';
在PostgreSQL中，可通过pg_class和pg_stat_user_tables联合查询：
SELECT schemaname, relname, n_tup_ins AS row_count, pg_size_pretty(pg_total_relation_size(schemaname||'.'||relname)) AS size FROM pg_stat_user_tables;
在SQL Server中，使用系统存储过程：
EXEC sp_msforeachtable "EXEC sp_spaceused '?'";
Q2: 窗口函数和GROUP BY有什么区别？什么时候应该使用窗口函数？
A2: GROUP BY会对数据进行分组聚合，每组只返回一行结果，丢失了原始行的详细信息；而窗口函数在保留原始行的基础上，为每行添加聚合计算值，不改变结果集的行数，若需统计每个员工的销售额及其在部门内的排名，使用GROUP BY会无法保留员工姓名等字段，而窗口函数可以同时输出员工信息和排名：
SELECT employee_name, department, sales, RANK() OVER (PARTITION BY department ORDER BY sales DESC) AS dept_rank FROM employee_sales;
适合场景包括：需要在明细数据中展示聚合结果（如排名、移动平均）、同时计算多个聚合指标而不嵌套子查询等。
