SQL无标准MEDIAN函数，MySQL等主流引擎不支持；PostgreSQL 14+等通过percentile_cont/PERCENTILE_DISC实现，但需全表排序、无法用索引，性能差且内存占用高；手写方案如ROW_NUMBER()+COUNT(*)需两次全表扫描。
SQL里根本没有标准MEDIAN函数
绝大多数主流SQL引擎（如MySQL、PostgreSQL 12之前、SQL Server）压根不提供内置MEDIAN函数。你看到的“支持MEDIAN”通常来自特定版本（如PostgreSQL 14+）、扩展（如percentile_cont模拟），或商业数据库（如Oracle、Redshift）。直接写SELECT MEDIAN(x) FROM t在MySQL或旧版PG里会报错：function median() does not exist。
用percentile_cont或PERCENTILE_DISC替代时的性能陷阱
PostgreSQL 14+ 和 SQL Server 支持percentile_cont(0.5)，但性能远不如聚合函数。它必须对整个列排序，无法利用索引加速——哪怕你在x字段上有B-tree索引，percentile_cont仍会触发全表扫描+内存排序。
-
percentile_cont返回插值结果（可能非原始值），PERCENTILE_DISC返回实际存在的值，但两者都强制排序 - 数据量超10万行时，耗时可能比
AVG高5–10倍，且内存占用陡增 - 在WHERE过滤后计算中位数？别指望优化器下推——先算完中位数再过滤，或反过来全表扫两次
手写中位数查询的三种写法和真实开销对比
更常见的做法是用窗口函数或子查询模拟。但每种写法性能差异极大：
- 用
ROW_NUMBER()+COUNT(*)：需两次全表扫描（一次计数、一次编号），适合中小表（ - 用
OFFSET+LIMIT（如ORDER BY x LIMIT 1 OFFSET N）：只扫一半数据，但无法处理偶数行的平均逻辑，且OFFSET在大数据集上依然慢 - 用PL/pgSQL或存储过程预排序+取中间值：可控但失去SQL简洁性，且并发时易成瓶颈
实测：100万行整数列，在SSD上，percentile_cont平均耗时850ms；手写OFFSET方案约320ms；而AVG仅12ms——中位数天然就是高成本操作。
真正影响性能的关键不是函数名，而是是否能避免排序
如果你的场景允许近似中位数（比如监控大盘指标），用采样+APPROX_PERCENTILE（Trino、BigQuery、Spark SQL支持）能降到毫秒级。但若必须精确，唯一能省资源的方式是：提前建好有序物化视图，或用应用层维护一个平衡二叉树结构缓存中位数——SQL本身对此无解。
别被“函数名”迷惑，中位数的本质是排序+定位，所有所谓“高效SQL写法”只是把排序延迟或拆分，没绕过这个硬成本。
