最稳妥的年季分组必须同时使用YEAR()和QUARTER()（或EXTRACT(QUARTER FROM )）函数，确保年→季顺序一致且GROUP BY中重复表达式而非别名，避免跨年错位与兼容性问题。
用 DATEPART 或 EXTRACT 提取年份和季度字段再组合分组
SQL 本身不支持“天然”的多级时间分组语法，必须把年、季拆成独立列再联合分组。不同数据库函数名不同：DATEPART（SQL Server）、EXTRACT（PostgreSQL/Standard SQL）、YEAR() + QUARTER()（MySQL）。关键不是选哪个函数，而是确保年和季字段能对齐——比如 2023-Q4 必须对应 2023 年的第四季度，不能因时区或起始月逻辑错位。
常见错误是直接写 GROUP BY YEAR(order_date), QUARTER(order_date) 却忽略跨年边界：某些业务定义 Q1 是 12–2 月（财年），这时 QUARTER() 返回的 1 就不是你要的“第一季”。务必先确认业务季度定义，再决定用原生函数还是手动计算：
SELECT
YEAR(order_date) AS y,
CASE
WHEN MONTH(order_date) IN (1,2,3) THEN 1
WHEN MONTH(order_date) IN (4,5,6) THEN 2
WHEN MONTH(order_date) IN (7,8,9) THEN 3
ELSE 4
END AS q,
COUNT(*) AS cnt
FROM orders
GROUP BY y, q;
避免 GROUP BY 中混用表达式和别名引发兼容性问题
很多新手在 SELECT 里用 YEAR(order_date) 定义别名 y，然后在 GROUP BY y ——这在 MySQL 5.7+ 和 PostgreSQL 可行，但在 SQL Server 和较老版本中会报错：Invalid column name 'y'。本质是标准 SQL 要求 GROUP BY 必须引用原始表达式或位置序号，不能依赖 SELECT 别名。
稳妥做法始终显式重复表达式，或用子查询/CTE 预计算：
- ❌ 错误（SQL Server 报错）：
GROUP BY y, q - ✅ 正确（全平台兼容）：
GROUP BY YEAR(order_date), QUARTER(order_date) - ✅ 更清晰（推荐）：用 CTE 先算好年季字段，再分组
WITH quarterly AS (
SELECT
YEAR(order_date) AS y,
(MONTH(order_date) + 2) / 3 AS q,
amount
FROM orders
)
SELECT y, q, SUM(amount) FROM quarterly GROUP BY y, q;
需要同比/环比时，别在 GROUP BY 层硬连表
一旦加了“上季度销售额”“去年同期增长”这类需求，很多人会立刻想到 LEFT JOIN 自关联——但直接在季度分组后 JOIN 容易漏掉空值季度（比如 2022-Q1 没数据，2023-Q1 就无法比），而且嵌套层级深、性能差。
更可控的方式是用窗口函数对原始明细打标，再聚合：
- 用
LAG(SUM(amount)) OVER (ORDER BY y, q)拿上一季度累计值 - 用
LAG(SUM(amount), 4) OVER (ORDER BY y, q)拿去年同期（假设每年4季） - 注意：
ORDER BY y, q必须保证序列连续，否则LAG会跳过缺失季度
如果业务要求“补全所有年季组合”（包括零值），就得用 VALUES 或日历表先生成完整年季序列，再 LEFT JOIN 原始聚合结果——这是最容易被跳过的步骤。
MySQL 8.0+ 和 PostgreSQL 的 ROLLUP 不适合纯年季嵌套
GROUP BY y, q WITH ROLLUP 看似能自动出年汇总、季汇总、总计三层，但它生成的是“阶梯式空值”，比如 y=2023, q=NULL 表示 2023 全年，y=NULL, q=NULL 是全部总计。问题在于：它无法区分“2023 年各季度”和“2023 年合计”这两类行，且排序不可控。实际报表常需并列展示“2023-Q1”、“2023-Q2”、“2023 合计”，而不是混在一堆 NULL 行里。
真要多级统计，不如分两步：先按年季聚合，再用 UNION ALL 加入年汇总行（SELECT y, NULL AS q, SUM(cnt) ... GROUP BY y），最后统一排序。虽然多写几行，但逻辑直白、结果确定。
真正麻烦的从来不是怎么写出语句，而是季度定义是否统一、空季度要不要补、同比基数是否含异常值——这些得看业务规则，SQL 只是执行工具。
