递归CTE中禁止在递归成员内使用SUM、AVG等聚合函数，根本原因是执行模型冲突：递归需逐层物化中间结果，而聚合必须依赖明确分组上下文，二者无法协同；聚合只能置于外层查询。
递归 CTE 中不能直接用 SUM、AVG 等聚合函数，根本原因是执行模型冲突：递归展开需要逐层物化中间结果，而聚合函数要求明确的分组上下文，两者无法在单次扫描中协同生效。
递归 CTE 的执行机制不支持聚合函数的语义
递归 CTE 本质是“迭代式物化”——引擎先跑锚成员（anchor），把结果存进临时结构；再用该结果驱动递归成员（recursive member）做下一轮 JOIN 或过滤，反复直到无新行产出。整个过程按行/集批次推进，没有 GROUP BY 阶段的全局分组视图。
而 SUM、AVG 这类函数必须绑定分组粒度（哪怕隐式默认为整张表），否则语义失效。你在递归部分写 SUM(amount)，引擎没法回答：“对哪几行求和？当前递归层级的输出？还是所有已生成的历史行？”
- 递归成员里允许
COUNT(*)，但仅限于当前递归步产出的行数（非累计），且多数引擎会报 warning 或直接拒绝 -
ROW_NUMBER()、RANK()等窗口函数可以共存，因为它们不改变行集大小，只依赖当前物化结果的排序上下文 - 若强行在递归部分加
GROUP BY，会导致语法错误：递归 CTE 的 union all 两侧列结构必须严格一致，而 GROUP BY 会压缩行数、改变列含义
常见误用场景与报错表现
典型错误不是语法高亮失败，而是运行时报错或结果错乱：
- MySQL 报
ERROR 1248: Every derived table must have its own alias—— 实际是子查询里嵌了聚合又没别名，但根源常是开发者试图在递归 CTE 内部塞子查询做聚合 - SQL Server 报
Msg 467, Level 16: Aggregate functions are not allowed in the recursive part of a recursive common table expression—— 直接禁止，不妥协 - PostgreSQL 报
ERROR: aggregate functions are not allowed in a recursive query's recursive term—— 同样硬性拦截
注意：锚成员里用聚合（如 SELECT SUM(x) FROM t GROUP BY y）是允许的，但结果必须是单行单列（或严格匹配递归部分的列结构），否则 union all 会因列数/类型不匹配失败。
正确替代方案：聚合必须“收口”在递归之外
想对递归结果做统计，唯一可靠方式是把递归 CTE 当作一个普通表来查——外层套一层 SELECT，再加 GROUP BY 或聚合函数。
WITH RECURSIVE org_tree AS ( SELECT id, name, manager_id, 1 AS level FROM employees WHERE manager_id IS NULL UNION ALL SELECT e.id, e.name, e.manager_id, ot.level + 1 FROM employees e JOIN org_tree ot ON e.manager_id = ot.id ) SELECT COUNT(*) AS total_employees, AVG(level) AS avg_depth FROM org_tree;
- 上面例子中，
COUNT和AVG出现在最外层SELECT，作用于完整递归结果集，完全合法 - 如果要按部门统计人均层级，就加
GROUP BY dept_id，但前提是org_tree的 SELECT 列里包含dept_id - 不要试图在递归部分用
SUM(salary) OVER (PARTITION BY dept_id)—— 窗口函数虽允许，但若 dept_id 在递归过程中未稳定传递，结果不可靠
容易被忽略的边界问题：CTE 物化时机影响聚合准确性
递归 CTE 的中间结果是否真实物化（materialized），不同数据库策略不同。MySQL 8.0 默认物化，SQL Server 可能选择内联展开。这意味着：
- 若你在外层对递归结果做
SUM，但递归逻辑本身有重复路径（比如图中有环未剪枝），SUM会把重复行算多次 - 解决办法不是在递归里加聚合，而是用
DISTINCT或GROUP BY在外层去重，或在递归部分加路径标记（path TEXT）+NOT LIKE剪枝 - 某些引擎（如 older Snowflake）对递归 CTE + 外层聚合的优化不佳，可能全量扫描多遍，需检查执行计划中是否出现重复 TableScan
