sql无原生moving_variance函数，需用avg(val*val)-power(avg(val),2)手动推导总体方差，样本方差需修正分母并用nullif防除零，注意浮点误差、性能优化及异常值影响。
SQL 里没有内置的 MOVING_VARIANCE 函数
绝大多数 SQL 引擎（包括 PostgreSQL、MySQL 8.0+、Snowflake、BigQuery）不提供原生的「移动方差」窗口函数。你查文档或试 VAR_SAMP OVER (ORDER BY ... ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) 会发现：它算的是**当前窗口内所有行的总体/样本方差**，不是「每滑动一步就重算一次方差」的移动过程——但这个行为本身是符合窗口定义的，问题出在方差计算对窗口边界变化特别敏感，稍不注意就得到错误序列。
- 方差依赖均值，而移动窗口的均值本身就在变，不能缓存复用
-
VAR_POP和VAR_SAMP在小窗口（比如只有 1–2 行）下会返回NULL或无意义值（样本方差分母为 0） - PostgreSQL 的
stats_agg扩展能做在线统计更新，但需要额外安装，不属于标准 SQL
用 AVG() 和 AVG(x*x) 手动推导移动方差
方差可拆解为：E[X²] - E[X]²。只要窗口内能同时算出均值和平方均值，就能推出样本/总体方差。这是最通用、不依赖扩展的写法，兼容所有支持标准窗口函数的引擎。
- 总体方差（
VAR_POP等价）：AVG(val * val) OVER w - POWER(AVG(val) OVER w, 2) - 样本方差（
VAR_SAMP等价）需修正分母：(COUNT(*) OVER w * AVG(val * val) OVER w - POWER(SUM(val) OVER w, 2)) / NULLIF(COUNT(*) OVER w - 1, 0) - 务必用
NULLIF防止除零；小窗口（如ROWS BETWEEN 1 PRECEDING AND CURRENT ROW）时，COUNT(*) = 1会导致样本方差分母为 0 - 示例（PostgreSQL/BigQuery）：
SELECT
ts,
val,
-- 移动窗口：最近 3 条（含当前）
AVG(val) OVER (ORDER BY ts ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS moving_avg,
AVG(val * val) OVER (ORDER BY ts ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) -
POWER(AVG(val) OVER (ORDER BY ts ROWS BETWEEN 2 PRECEDING AND CURRENT ROW), 2)
AS moving_var_pop
FROM metrics;
MySQL 8.0+ 要小心 POWER() 和浮点精度
MySQL 对 POWER(x, 2) 的处理在某些版本中会引入隐式类型转换，导致 AVG(val * val) - POWER(AVG(val), 2) 出现微小负值（比如 -1e-15），实际应为 0。这不是逻辑错，而是浮点误差放大。
- 解决方法：用
GREATEST(0, ...)包裹结果，强制非负 - 或者改用显式平方：
AVG(val) OVER w * AVG(val) OVER w，比POWER()更稳定 - 如果字段是
DECIMAL，先CAST(val AS DOUBLE)再运算，避免整数溢出干扰 - 别依赖
ROUND(..., 6)治标——得先保证中间步骤没崩
性能瓶颈往往卡在窗口排序和重复计算
上面的手动公式要跑 3 次窗口计算（AVG(val)、AVG(val*val)、COUNT(*)），每多一个都会让执行计划多扫一遍数据。尤其当分区大、排序字段无索引时，延迟明显。
- 优先确保
ORDER BY字段有索引（如时间戳ts） - 如果只关心固定宽度（如 7 天滚动），考虑用自连接或 LATERAL JOIN 预聚合，而不是纯窗口函数
- BigQuery 中，用
ARRAY_AGG(val ORDER BY ts LIMIT 7)+ UDF 计算方差，有时比多次窗口扫描更快 - 真正高频场景（如实时风控），建议把移动方差逻辑下推到应用层或用物化视图预计算
方差对异常值极度敏感，移动窗口又会让单个离群点在多个结果中反复出现。上线前一定拿含极端值的测试数据跑一遍，看是否触发了意料之外的 NULL 或溢出 —— 这比语法正确难防得多。
