SQL时间序列统计需解决时间粒度对齐、空值填充、窗口函数边界和业务口径一致性四大问题：用DATE()、YEARWEEK()、DATE_FORMAT()对齐粒度；用递归CTE生成连续日期补断点。
SQL时间序列统计的核心在于按时间分组 + 累计/滑动/同比环比计算，不是简单写个 GROUP BY 就完事。关键是要理解时间粒度对齐、空值填充、窗口函数边界和业务口径一致性——这些才是实战中卡住90%人的地方。
一、时间粒度对齐：别让“日期不干净”毁掉整个分析
原始时间字段常是 datetime 类型（含时分秒），但业务统计往往按天/周/月。直接 GROUP BY 会把同一天不同小时的数据拆开，结果错乱。
- 用 DATE() 提取日期：SELECT DATE(order_time) AS dt, COUNT(*) FROM orders GROUP BY DATE(order_time)
- 按周统计（周一为起点）：SELECT YEARWEEK(order_time, 1) AS week_id, COUNT(*) FROM orders GROUP BY YEARWEEK(order_time, 1)
- 按月首日对齐（避免2月28天干扰）：SELECT DATE_FORMAT(order_time, '%Y-%m-01') AS month_start, SUM(amount) FROM orders GROUP BY DATE_FORMAT(order_time, '%Y-%m-01')
二、处理断点：没有数据的日期怎么补上？
用户只在周末下单，周一到周五数据库里压根没记录。直接 GROUP BY 会漏掉5天，图表断成锯齿状——这不是数据少，是展示逻辑没闭环。
- 生成连续日期序列（MySQL 8.0+）：WITH RECURSIVE dates AS (SELECT '2024-01-01' AS d UNION ALL SELECT DATE_ADD(d, INTERVAL 1 DAY) FROM dates WHERE d
- 低版本可用日历表替代：建一张包含未来5年所有日期的 calendar 表，LEFT JOIN 即可
三、滚动与累计：窗口函数不是摆设，得用对
“近7天销量”不是查7次再加总，而是用窗口函数一次算出每行对应的滚动区间；“累计用户数”也不是 SUM OVER(ORDER BY)，要注意去重逻辑。
- 7日滚动求和（含当天）：SUM(amount) OVER (ORDER BY DATE(create_time) ROWS BETWEEN 6 PRECEDING AND CURRENT ROW)
- 去重累计用户（按注册时间）：COUNT(DISTINCT user_id) OVER (ORDER BY DATE(register_time) RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) —— 注意这里必须用 RANGE，否则同一天注册的用户可能被漏计
- 避免常见错误：不要用 ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW 做去重累计，它不保证逻辑正确
四、同比环比：别硬除，先对齐再算差
同比=今年某日 / 去年同日，但去年那天可能没数据；环比=本周/上周，但跨年时 WEEK() 函数会跳变。直接减或除，容易报错或结果失真。
- 安全环比（自动找上周同 weekday）：LAG(SUM(sales), 1) OVER (ORDER BY week_start) —— 先按周聚合，再用 LAG 取前一行
- 同比带空值保护：ROUND(IFNULL(CUR.sales / NULLIF(LAST_YEAR.sales, 0), 0), 2) AS yoy_rate
- 更稳做法：用 LEFT JOIN 关联当前周与去年同周（DATE_SUB(week_start, INTERVAL 1 YEAR)），再计算
基本上就这些。时间序列统计不复杂，但容易忽略对齐、补全、去重和空值这四个隐形关卡。练熟这四招，90%的日报、周报、运营看板需求都能自己写 SQL 解决，不用等数仓同学排期。
