离散系数是标准差与均值的比值，用于消除量纲和均值差异影响以比较不同数据集的相对离散程度；不能直接用STDDEV()/AVG()，因存在除零、NULL传播、窗口口径不一致及单样本标准差无意义等问题。
什么是离散系数，为什么不能直接用 STDDEV() 除以 AVG()？
离散系数（Coefficient of Variation, CV）是标准差与均值的比值，用于消除量纲影响、比较不同组数据的相对离散程度。它要求分母非零且有意义——如果某组 AVG() 为 0 或接近 0，直接除会得到 NULL 或极大异常值；更关键的是，SQL 中 STDDEV() 和 AVG() 必须在相同窗口定义下计算，否则结果错位。
常见错误是写成：STDDEV(x) OVER (PARTITION BY group_id) / AVG(x) OVER (PARTITION BY group_id)——语法合法，但若某组全为 NULL 或单值，STDDEV() 返回 NULL，整行 CV 就失效；且没处理除零风险。
正确写法：用 COALESCE + CASE WHEN 控制分母安全
必须把分母保护起来，同时确保分子分母统计口径完全一致。推荐结构：
CASE
WHEN AVG(x) OVER (PARTITION BY group_id) = 0 THEN NULL
WHEN COUNT(*) OVER (PARTITION BY group_id) < 2 THEN NULL
ELSE COALESCE(
STDDEV(x) OVER (PARTITION BY group_id) / NULLIF(AVG(x) OVER (PARTITION BY group_id), 0),
0
)
END AS cv
-
NULLIF(AVG(...), 0)比直接写AVG(...) = 0更安全，避免浮点误差导致漏判 -
COUNT(*) OVER (...) < 2排除单样本组——标准差无意义 -
COALESCE(..., 0)仅用于兜底NULL / NULL场景，不建议盲目填 0，需结合业务判断
PostgreSQL vs MySQL vs SQL Server 的函数差异
不同数据库对窗口版聚合函数的支持程度不同，直接影响 CV 计算是否可行：
- PostgreSQL：原生支持
STDDEV()、STDDEV_SAMP()窗口函数，推荐用STDDEV_SAMP()（样本标准差，分母为 n−1），更符合统计惯例 - MySQL 8.0+：支持
STDDEV()窗口函数，但默认是总体标准差（STDDEV_POP()），如需样本标准差，显式写STDDEV_SAMP() - SQL Server：没有
STDDEV()窗口函数，只能用STDEV()（即样本标准差），且必须搭配OVER()才能作为窗口函数使用；注意STDEV()在空组或单值组返回NULL
跨库迁移时，别只改函数名——要核对是样本还是总体标准差，否则 CV 值系统性偏小。
性能陷阱：多次 OVER (PARTITION BY ...) 会重复扫描吗？
多数现代引擎（PostgreSQL 14+、SQL Server 2022、MySQL 8.0.30+）会对相同窗口定义自动复用计算结果，但前提是写法完全一致——包括排序项（ORDER BY）、帧定义（ROWS BETWEEN ...）等。
下面这种写法效率低：
STDDEV(x) OVER (PARTITION BY group_id ORDER BY ts) / AVG(x) OVER (PARTITION BY group_id)
因为两个窗口定义不一致（一个带 ORDER BY，一个没有），引擎无法复用，可能触发两次分组扫描。
- 统一窗口定义：都用
PARTITION BY group_id，不加ORDER BY（除非真需要累积 CV） - 复杂场景可先用 CTE 预计算
avg_x和stddev_x，再 JOIN 或 SELECT，反而更可控
CV 看似简单，但分母为零、单样本、跨库函数语义差异、窗口复用失效——四个点任何一个没卡准，结果就不可信。
