percentile_cont(0.5)是标准sql中计算中位数最直接可靠的方式，基于线性插值：偶数行取中间两值平均，奇数行取正中原始值；必须配合within group(order by ...)或over(partition by ... order by ...)使用，不支持mysql/sqlite。
PERCENTILE_CONT(0.5) 是计算中位数最直接的写法
在支持窗口函数的标准 SQL（如 PostgreSQL、SQL Server、Oracle、BigQuery）中，PERCENTILE_CONT(0.5) 就是专为中位数设计的——它做的是连续插值，对偶数个值自动取中间两数的平均值，行为符合统计学定义。别用 PERCENTILE_DISC(0.5)，它只返回实际存在的某个值，偶数长度时会向下取舍，结果偏移明显。
常见错误是漏写 WITHIN GROUP (ORDER BY ...) 子句：PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY sales_amount) 才合法；单独写 PERCENTILE_CONT(0.5) 会报错，比如 PostgreSQL 提示 function percentile_cont(double precision) does not exist。
必须配合 OVER() 或 GROUP BY 使用，不能当普通聚合函数直用
PERCENTILE_CONT 是窗口函数，不是传统聚合函数。想算全表中位数，得套一层子查询或 CTE；想按城市分组算各城市中位数，必须加 OVER (PARTITION BY city)。
- ✅ 正确（全表中位数）：
SELECT PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY duration) AS median_duration FROM events;
- ✅ 正确（分组中位数）：
SELECT city, PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY duration) OVER (PARTITION BY city) AS median_duration FROM events;
- ❌ 错误（无 ORDER BY、无 OVER）：
SELECT PERCENTILE_CONT(0.5) FROM events;
NULL 值默认被忽略，但需确认业务是否允许丢弃
PERCENTILE_CONT 默认跳过 NULL 值，这点和 COUNT(*) 不同。如果字段里有 20% 的 NULL，实际参与排序的只有 80% 的非空记录——中位数基于这 80% 算出，可能掩盖数据缺失问题。
业务上常需要明确处理逻辑：
- 若
NULL代表“未发生”，应先过滤：WHERE duration IS NOT NULL - 若
NULL是有效状态（如“未完成”），可考虑用COALESCE(duration, 0)替代，但要同步说明 0 是否合理 - 某些场景需保留
NULL并单独统计比例，这时中位数就得拆成两步：先算非空样本量，再判断是否足够支撑稳健估计
PostgreSQL 和 BigQuery 行为一致，MySQL 目前不支持
MySQL 8.0+ 支持窗口函数，但至今没实现 PERCENTILE_CONT（截至 8.4）。强行要用，只能手写逻辑：用 ROW_NUMBER() + COUNT() 定位中间位置，再用条件聚合取值——代码冗长且易错。
替代方案优先级建议：
- 能切到 PostgreSQL / BigQuery：直接用
PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY ...) - stuck on MySQL：用
APPROX_PERCENTILE(..., 0.5)（BigQuery）或PERCENTILE_CONT等价物（如 Redshift 的PERCENTILE_CONT）迁移数据再算 - 实在不行才写 ROW_NUMBER 版本，但务必在注释里标清“此中位数为近似值，未插值”
插值本身不难理解，难的是不同系统对“排序后第 n 个位置”的索引约定（从 1 还是 0 开始）、以及小数位截断方式——这些细节在跨平台比对指标时最容易翻车。
