SQL聚合函数本身不理解图结构,必须基于边表(source/target)建模才能统计度:出度用GROUP BY source + COUNT(),入度用GROUP BY target + COUNT();孤立节点需JOIN nodes表补全,重复边需去重,COUNT(*)比COUNT(col)更高效稳定。

不能直接用 SQL 聚合函数“算出度/入度”——除非你把图存成边表(edges),且结构清晰。否则 COUNT、SUM 等函数本身不理解“图”或“节点指向关系”,只认行和列。
边表结构是前提:没有 source 和 target 就没法聚合
SQL 没有原生图类型,所有图分析都依赖你如何建模。最常用、最利于聚合的结构是单边一行的边表:
CREATE TABLE edges ( source INT, target INT );
比如有向边 A→B、A→C、B→D,就存三行:(1,2)、(1,3)、(2,4)。只有这样,COUNT 才能按方向统计。
- 出度 = 每个
source出现的次数 →GROUP BY source - 入度 = 每个
target出现的次数 →GROUP BY target - 如果节点可能孤立(无边相连),需用
nodes表左连接补全,否则COUNT会漏掉 0 度节点
COUNT(*) 统计出度时,WHERE 和 GROUP BY 必须配对用
单独写 SELECT COUNT(*) FROM edges 只得总边数,不是某个节点的出度。要分节点统计,必须分组:
SELECT source AS node_id, COUNT(*) AS out_degree FROM edges GROUP BY source;
常见错误:
- 漏写
GROUP BY→ MySQL 5.7+ 会报错,低版本可能返回随机值 - 用
COUNT(source)替代COUNT(*)→ 效果一样(source不为 NULL),但语义不清,易误导后续维护者 - 没处理重复边 → 若业务允许重边,需先
DISTINCT或加唯一约束,否则COUNT会高估
入度统计别硬套出度逻辑:target 字段才是关键
入度本质是“被谁指向”,所以聚合字段必须换:
SELECT target AS node_id, COUNT(*) AS in_degree FROM edges GROUP BY target;
注意两个易忽略点:
- 出度表和入度表结果的
node_id列含义不同:前者是起点,后者是终点;合并查询时别混用别名 - 若想一张表同时看出入度,得用
LEFT JOIN或FULL OUTER JOIN(MySQL 不支持,得用UNION ALL + GROUP BY模拟) - 某些数据库(如 PostgreSQL)支持
VALUES构造临时节点列表,可强制补全缺失节点,避免 0 度丢失
性能与 NULL:为什么 COUNT(*) 比 COUNT(col) 更稳
在边表中,source 和 target 通常设为 NOT NULL。此时 COUNT(*) 和 COUNT(source) 结果一致,但行为不同:
-
COUNT(*)统计所有行,不关心字段值,优化器常走索引行数估算(如 MySQL 的information_schema缓存),极快 -
COUNT(source)会实际读取字段并跳过 NULL 值 —— 即使你加了非空约束,优化器也不一定跳过检查 - 当边量超百万,且没覆盖索引时,
COUNT(*)配合GROUP BY的执行计划更可预期
真正麻烦的是节点 ID 不连续或含字符串时:聚合结果不会自动补全编号缺口,得靠外部生成序列或用 generate_series(PostgreSQL)/递归 CTE(MySQL 8.0+)兜底 —— 这部分已超出聚合函数能力范围。











