不能直接用 WHERE 过滤分组后的百分比；需先计算排名或累计占比，再用 HAVING 或子查询筛选前 80% 记录并求和。
WHERE 不能直接过滤分组后的百分比，得先算排名或累计占比
想用 WHERE 过滤“前 80% 的记录再求和”，直接写 WHERE percentile_rank 会报错——因为 <code>percentile_rank() 是窗口函数，不能出现在 WHERE 子句里。WHERE 执行在聚合和窗口计算之前，此时根本没有分组内的排序或占比数据。
真正可行的路径是：先用窗口函数算出每行在组内的相对位置（比如用 ROW_NUMBER()、CUME_DIST() 或 PERCENT_RANK()），再用子查询或 CTE 把它拎出来，最后在外层加 WHERE 过滤。
-
CUME_DIST()更适合“截断到某个累计占比”，它返回 ≤ 当前行值的行数占比，结果范围是 (0, 1]，且对重复值处理更稳定 -
PERCENT_RANK()返回的是 (rank-1)/(n-1)，首尾固定为 0 和 1，中间分布可能稀疏，不适合严格按百分比截断 - 如果要截“金额最大的前 80% 记录”，必须先按金额降序排列，否则
CUME_DIST()算的是小值占比
用 CTE + CUME_DIST() 实现分组内截断求和
假设表 sales 有字段 region、amount，目标是：每个 region 内，取 amount 累计占比 ≤ 0.8 的记录，对其 amount 求和。
WITH ranked AS (
SELECT
region,
amount,
CUME_DIST() OVER (PARTITION BY region ORDER BY amount DESC) AS cd
FROM sales
)
SELECT
region,
SUM(amount) AS truncated_sum
FROM ranked
WHERE cd <= 0.8
GROUP BY region;注意：这里 ORDER BY amount DESC 很关键。如果升序，就变成“最小的 80%”了；如果漏写 PARTITION BY region，整个表被当做一个组，失去分组意义。
- PostgreSQL / SQL Server / Oracle / DuckDB 都支持
CUME_DIST() - MySQL 8.0+ 也支持，但 MySQL 5.7 不行，得用变量模拟，误差大、不可靠
- 如果
amount有 NULL，默认排在最前（DESC下），影响占比计算；建议加WHERE amount IS NOT NULL预过滤
替代方案：用 NTILE(5) 近似截 80%，但边界不精确
如果数据库不支持窗口函数，或想绕过浮点精度问题，可用 NTILE(5) 把每组分成 5 档，取前 4 档（≈80%）。但它只保证行数均分，不保证数值累计占比真为 0.8。
WITH tiled AS (
SELECT
region,
amount,
NTILE(5) OVER (PARTITION BY region ORDER BY amount DESC) AS tile
FROM sales
WHERE amount IS NOT NULL
)
SELECT
region,
SUM(amount)
FROM tiled
WHERE tile <= 4
GROUP BY region;缺点明显：当某组只有 3 行，NTILE(5) 会分配成 1,2,3，tile 就把全部行都包含了；而真实 80% 应只取前 2 行。所以仅适用于数据量大、分布较均匀的场景。
-
NTILE()在 SQLite 中不支持，MySQL 5.7 也不支持 - 别用
ROW_NUMBER() / COUNT(*)手动算比例——COUNT(*) 必须用窗口形式COUNT(*) OVER (PARTITION BY ...)，否则聚合报错
WHERE 放错位置导致全表扫描或逻辑错误
最容易踩的坑，是把过滤条件写在聚合后、却幻想它能控制参与聚合的原始行。例如：
SELECT region, SUM(amount) FROM sales GROUP BY region HAVING SUM(amount) > 1000; -- 这是过滤分组结果，不是截断原始行
或者更隐蔽的错误：
SELECT region, SUM(amount) FROM sales WHERE amount > (SELECT PERCENTILE_CONT(0.2) WITHIN GROUP (ORDER BY amount) FROM sales) GROUP BY region;
这个 WHERE 是全表范围的 20% 分位数，不是“每个 region 自己的 20%”。它没做 PARTITION BY，根本不是分组内截断。
- 所有“分组内截断”逻辑，必须依赖窗口函数 + 子查询/CTE 结构
- 别在外部
WHERE里引用任何未出现在SELECT中的窗口别名，SQL 引擎不认 - 大数据量下，
CUME_DIST()窗口计算本身有开销，确保PARTITION BY字段上有索引（如(region, amount)复合索引）
实际执行时，CUME_DIST() 的精度、NULL 处理、重复值排序行为，在不同数据库间略有差异，上线前务必用真实数据样本验证截断边界是否符合业务预期。
