本文介绍如何将数据库中多个字段（如 technician_1 和 technician_2）的值统一归并统计，并动态生成 chart.js 柱状图的标签与数据，避免重复查询、提升可维护性与准确性。
本文介绍如何将数据库中多个字段（如 technician_1 和 technician_2）的值统一归并统计，并动态生成 chart.js 柱状图的标签与数据，避免重复查询、提升可维护性与准确性。
在使用 Chart.js 展示技术人员工单分布时，若数据分散在 technician_1 和 technician_2 两列中，直接为每个技术人员写四次独立 SQL 查询（如分别查 'Ema' 在两列中出现的总次数）不仅代码冗余，还极易出错（例如大小写不一致、漏加 OR 条件、未去重计数等）。正确的做法是：在数据库层完成聚合统计，一次性获取所有技术人员的总出现频次。
✅ 推荐方案：单次 SQL 聚合查询（高效且健壮）
使用 UNION ALL 将两列数据“堆叠”为一列，再通过 GROUP BY 统计频次。PHP 中只需一次查询即可获得完整数据：
<?php // 合并 technician_1 和 technician_2 的所有非空值，并统计频次
$sql = "SELECT technician, COUNT(*) as total
FROM (
SELECT technician_1 AS technician FROM tb_ticket WHERE technician_1 IS NOT NULL AND technician_1 != ''
UNION ALL
SELECT technician_2 AS technician FROM tb_ticket WHERE technician_2 IS NOT NULL AND technician_2 != ''
) AS t
GROUP BY technician
ORDER BY total DESC";
$result = mysqli_query($koneksi, $sql);
$labels = [];
$data = [];
while ($row = mysqli_fetch_assoc($result)) {
$labels[] = htmlspecialchars($row['technician']); // 防 XSS
$data[] = (int)$row['total'];
}
?>
随后在 Chart.js 初始化中直接注入 PHP 生成的数组：
<script>
var ctx = document.getElementById("myChart").getContext('2d');
var myChart = new Chart(ctx, {
type: 'bar',
data: {
labels: <?php echo json_encode($labels); ?>,
datasets: [{
label: '工单分配总数（含 technician_1 & technician_2）',
data: <?php echo json_encode($data); ?>,
backgroundColor: [
'#1B4F72', '#21618C', '#2874A6', '#2E86C1', '#3498DB', '#5DADE2'
].slice(0, <?php echo count($data); ?>)
}]
},
options: {
responsive: true,
scales: {
yAxes: [{
ticks: {
beginAtZero: true,
precision: 0
}
}]
}
}
});
</script>
⚠️ 注意事项
- 大小写敏感问题：MySQL 默认对字符串比较区分大小写（取决于排序规则）。建议在 SQL 中统一转为小写统计（如 LOWER(technician_1)），或确保前端录入规范；
- 空值/空字符串过滤：务必添加 WHERE technician_x IS NOT NULL AND technician_x != ''，避免统计脏数据；
- 安全性：使用 htmlspecialchars() 处理标签内容，json_encode() 输出数据，杜绝 XSS 与 JSON 格式错误；
- 扩展性：该方案天然支持新增技术人员（如 'Ryan'），无需修改 PHP 或 SQL —— 只需确保新值存入任一列即可自动纳入统计。
✅ 总结
与其为每个技术人员硬编码多条 WHERE technician_1='X' OR technician_2='X' 查询（易错、难维护），不如用一次聚合 SQL 完成全部统计。这不仅显著减少数据库交互次数、提升性能，更让 Chart.js 数据源清晰、可预测、可持续演进。真正的数据可视化最佳实践，始于优雅的数据准备。
