CUME_DIST是累积分布函数，返回≤当前值的行数占分组总行数的比例（范围(0,1]），可用于识别尾部异常值，如通过CUME_DIST>0.95筛选前5%高值，且对重复值天然连续、比PERCENT_RANK更稳妥。
什么是 CUME_DIST，它真能识别异常值？
CUME_DIST 返回当前行在分组内的相对位置（0 到 1 之间），定义为「≤当前行值的行数 / 分组总行数」。它不直接标出异常值，但能帮你定位分布尾部——比如 CUME_DIST > 0.95 或 CUME_DIST PERCENT_RANK 不同。
怎么写才能避免常见错误？
最容易错的是漏掉 ORDER BY ——CUME_DIST() 必须配合窗口 ORDER BY，否则报错（如 PostgreSQL 报 window function requires an ORDER BY clause）。另外，别在 WHERE 中直接引用 CUME_DIST 别名，得用子查询或 CTE：
SELECT * FROM ( SELECT amount, CUME_DIST() OVER (ORDER BY amount) AS cume FROM sales ) t WHERE cume > 0.95 OR cume < 0.05;
- 不能写
WHERE CUME_DIST() OVER (...) > 0.95—— 窗口函数不能出现在WHERE - 如果按类别分组分析（如每类商品的销售异常），必须加
PARTITION BY category - NULL 值默认排在最前（ASC）或最后（DESC），会影响累积结果；需要统一处理，比如
ORDER BY COALESCE(amount, -999999)
CUME_DIST 和 PERCENT_RANK 选哪个？
两者都用于分布分析，但逻辑不同：CUME_DIST 是「≤当前值的比例」，最小值也返回 > 0 的值（如 2 行中最小值是 0.5）；PERCENT_RANK 是「严格小于当前值的比例」，最小值固定为 0。想捕获“顶部 5% 包含并列最高值”时，CUME_DIST 更稳妥；想排除并列、只看严格排序位置，选 PERCENT_RANK。例如 5 条记录值全为 100：CUME_DIST 全是 1.0，PERCENT_RANK 全是 0.0。
实际查异常时要注意什么？
累积分布本身不判断异常，只是提供位置信号。真实场景中需结合业务理解阈值：
- 0.99 分位可能在日志延迟场景里是正常高峰，在财务报销里就是强异常
- 单靠
CUME_DIST无法区分「离群但合理」和「数据错误」，建议叠加标准差或 IQR 过滤 - 大数据量下，
ORDER BY窗口排序开销明显，若仅需头部/尾部少量样本，先LIMIT再算分布更高效 - 某些数据库（如 MySQL 8.0+）支持，但旧版 MySQL、SQLite 不支持，用前先
SELECT CUME_DIST() OVER ()测试是否报错
真正难的不是写出这个函数，而是确定「多少才算异常」——分布形状、业务容忍度、下游系统承受力，这些没法靠 SQL 自动推导。
