SQL实战：电商订单与顾客按月统计的优化方案-代码聚汇网

SQL实战：电商订单与顾客按月统计的优化方案

成简洁·2026-08-07·阅读 25 GEO检测（免费）

SQL统计电商数据分析MySQL优化

|难度：普通|阅读约 9 分钟

1. 问题背景与需求分析

最近在力扣(LeetCode)上刷到一道SQL实战题——1565号"按月统计订单数与顾客数"。这道题看似简单，却隐藏着不少实际业务场景中常见的统计陷阱。作为电商数据分析的基础操作，按月统计的核心价值在于帮助运营团队掌握业务波动趋势，识别季节性消费特征。

在实际电商系统中，订单表和顾客表往往存在一对多关系（一个顾客可能有多个订单）。统计时容易犯的错误包括：

重复计算同一顾客
忽略月份边界条件
错误处理NULL值
性能问题（特别是大表关联时）

提示：这道题在2023年字节跳动和美团的后端面试中都被改编使用过，考察候选人处理时间序列数据的能力。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 数据模型与测试用例构建

2.1 标准表结构设计

假设我们有以下两张核心表（以MySQL语法为例）：

sql复制CREATE TABLE orders (
    order_id INT PRIMARY KEY,
    customer_id INT NOT NULL,
    order_date DATE NOT NULL,
    amount DECIMAL(10,2)
);

CREATE TABLE customers (
    customer_id INT PRIMARY KEY,
    name VARCHAR(100),
    registration_date DATE
);

2.2 典型测试数据

插入示例数据时需要注意边界情况：

sql复制INSERT INTO customers VALUES 
(1, '张三', '2022-01-01'),
(2, '李四', '2022-02-15'),
(3, '王五', '2022-03-20');

INSERT INTO orders VALUES
(101, 1, '2022-01-10', 100.00),
(102, 1, '2022-01-20', 200.00),
(103, 2, '2022-02-01', 150.00),
(104, 3, '2022-03-15', 300.00),
(105, 3, '2022-03-25', 250.00),
(106, 1, '2022-04-05', 180.00);

特别注意：

1月份有2个订单（同个顾客）
2月份有1个订单
3月份有2个订单（同个顾客）
4月份有1个订单

3. 基础解决方案实现

3.1 按月统计订单数

sql复制SELECT 
    DATE_FORMAT(order_date, '%Y-%m') AS month,
    COUNT(order_id) AS order_count
FROM orders
GROUP BY DATE_FORMAT(order_date, '%Y-%m')
ORDER BY month;

这个查询会输出：

code复制2022-01 | 2
2022-02 | 1
2022-03 | 2
2022-04 | 1

3.2 按月统计顾客数（去重）

sql复制SELECT 
    DATE_FORMAT(order_date, '%Y-%m') AS month,
    COUNT(DISTINCT customer_id) AS customer_count
FROM orders
GROUP BY DATE_FORMAT(order_date, '%Y-%m')
ORDER BY month;

输出结果：

code复制2022-01 | 1
2022-02 | 1
2022-03 | 1
2022-04 | 1

注意：COUNT(DISTINCT)操作在大数据量时性能较差，后续会讨论优化方案

4. 进阶统计与分析技巧

4.1 合并查询与性能优化

使用CTE (Common Table Expression)可以避免重复计算：

sql复制WITH monthly_stats AS (
    SELECT 
        DATE_FORMAT(order_date, '%Y-%m') AS month,
        order_id,
        customer_id
    FROM orders
)
SELECT 
    month,
    COUNT(order_id) AS order_count,
    COUNT(DISTINCT customer_id) AS customer_count
FROM monthly_stats
GROUP BY month
ORDER BY month;

4.2 包含零订单的月份

实际业务中常需要显示没有订单的月份：

sql复制WITH date_series AS (
    SELECT DATE_FORMAT(date, '%Y-%m') AS month
    FROM (
        SELECT '2022-01-01' + INTERVAL n MONTH AS date
        FROM (
            SELECT 0 AS n UNION SELECT 1 UNION SELECT 2 
            UNION SELECT 3 UNION SELECT 4 UNION SELECT 5
        ) numbers
        WHERE '2022-01-01' + INTERVAL n MONTH <= '2022-06-01'
    ) dates
)
SELECT 
    ds.month,
    COUNT(o.order_id) AS order_count,
    COUNT(DISTINCT o.customer_id) AS customer_count
FROM date_series ds
LEFT JOIN orders o ON ds.month = DATE_FORMAT(o.order_date, '%Y-%m')
GROUP BY ds.month
ORDER BY ds.month;

4.3 新增顾客占比分析

计算每月新增顾客占当月下单顾客的比例：

sql复制WITH first_orders AS (
    SELECT 
        customer_id,
        MIN(order_date) AS first_order_date
    FROM orders
    GROUP BY customer_id
)
SELECT 
    DATE_FORMAT(o.order_date, '%Y-%m') AS month,
    COUNT(DISTINCT o.customer_id) AS total_customers,
    COUNT(DISTINCT CASE 
        WHEN DATE_FORMAT(fo.first_order_date, '%Y-%m') = DATE_FORMAT(o.order_date, '%Y-%m') 
        THEN o.customer_id END) AS new_customers,
    ROUND(COUNT(DISTINCT CASE 
        WHEN DATE_FORMAT(fo.first_order_date, '%Y-%m') = DATE_FORMAT(o.order_date, '%Y-%m') 
        THEN o.customer_id END) * 100.0 / 
        COUNT(DISTINCT o.customer_id), 2) AS new_customer_ratio
FROM orders o
JOIN first_orders fo ON o.customer_id = fo.customer_id
GROUP BY DATE_FORMAT(o.order_date, '%Y-%m')
ORDER BY month;

5. 生产环境优化实践

5.1 索引优化策略

对于大型电商平台，订单表可能包含数千万条记录。推荐索引方案：

sql复制ALTER TABLE orders ADD INDEX idx_order_date (order_date);
ALTER TABLE orders ADD INDEX idx_customer_date (customer_id, order_date);

5.2 分区表方案

按月分区可以显著提升查询性能：

sql复制CREATE TABLE orders_partitioned (
    order_id INT,
    customer_id INT,
    order_date DATE,
    amount DECIMAL(10,2),
    PRIMARY KEY (order_id, order_date)
) PARTITION BY RANGE (TO_DAYS(order_date)) (
    PARTITION p202201 VALUES LESS THAN (TO_DAYS('2022-02-01')),
    PARTITION p202202 VALUES LESS THAN (TO_DAYS('2022-03-01')),
    PARTITION p202203 VALUES LESS THAN (TO_DAYS('2022-04-01')),
    PARTITION p202204 VALUES LESS THAN (TO_DAYS('2022-05-01')),
    PARTITION pmax VALUES LESS THAN MAXVALUE
);

5.3 物化视图方案

对于频繁执行的统计查询，可以使用物化视图（MySQL 8.0+）：

sql复制CREATE TABLE monthly_stats_mv (
    month VARCHAR(7) PRIMARY KEY,
    order_count INT,
    customer_count INT,
    last_refreshed TIMESTAMP
);

-- 刷新存储过程
DELIMITER //
CREATE PROCEDURE refresh_monthly_stats()
BEGIN
    TRUNCATE TABLE monthly_stats_mv;
    INSERT INTO monthly_stats_mv
    SELECT 
        DATE_FORMAT(order_date, '%Y-%m') AS month,
        COUNT(order_id) AS order_count,
        COUNT(DISTINCT customer_id) AS customer_count,
        NOW() AS last_refreshed
    FROM orders
    GROUP BY DATE_FORMAT(order_date, '%Y-%m');
END //
DELIMITER ;

6. 跨数据库解决方案

6.1 PostgreSQL实现

PostgreSQL的日期函数略有不同：

sql复制SELECT 
    TO_CHAR(order_date, 'YYYY-MM') AS month,
    COUNT(order_id) AS order_count,
    COUNT(DISTINCT customer_id) AS customer_count
FROM orders
GROUP BY TO_CHAR(order_date, 'YYYY-MM')
ORDER BY month;

6.2 SQL Server实现

SQL Server使用不同的日期格式化函数：

sql复制SELECT 
    FORMAT(order_date, 'yyyy-MM') AS month,
    COUNT(order_id) AS order_count,
    COUNT(DISTINCT customer_id) AS customer_count
FROM orders
GROUP BY FORMAT(order_date, 'yyyy-MM')
ORDER BY month;

6.3 Oracle实现

Oracle使用TO_CHAR函数处理日期：

sql复制SELECT 
    TO_CHAR(order_date, 'YYYY-MM') AS month,
    COUNT(order_id) AS order_count,
    COUNT(DISTINCT customer_id) AS customer_count
FROM orders
GROUP BY TO_CHAR(order_date, 'YYYY-MM')
ORDER BY month;

7. 常见问题与解决方案

7.1 时区问题处理

当系统跨时区时，需要统一时区计算：

sql复制-- 假设存储的是UTC时间，需要转换为东八区
SELECT 
    DATE_FORMAT(CONVERT_TZ(order_date, '+00:00', '+08:00'), '%Y-%m') AS month,
    COUNT(order_id) AS order_count
FROM orders
GROUP BY DATE_FORMAT(CONVERT_TZ(order_date, '+00:00', '+08:00'), '%Y-%m')
ORDER BY month;

7.2 大数据量分页优化

当月数据量极大时，避免使用OFFSET：

sql复制-- 使用游标分页
SELECT * FROM orders
WHERE order_date >= '2022-01-01' 
  AND order_date < '2022-02-01'
  AND order_id > ?  -- 上一页最后一条记录的ID
ORDER BY order_id
LIMIT 100;

7.3 NULL值处理

处理可能的NULL日期：

sql复制SELECT 
    DATE_FORMAT(COALESCE(order_date, '1970-01-01'), '%Y-%m') AS month,
    COUNT(order_id) AS order_count
FROM orders
GROUP BY DATE_FORMAT(COALESCE(order_date, '1970-01-01'), '%Y-%m')
ORDER BY month;

8. 可视化与业务应用

8.1 月度趋势图

使用查询结果生成折线图：

X轴：月份
Y轴左：订单数（柱状图）
Y轴右：顾客数（折线图）

8.2 关键业务指标

基于月度统计可以计算：

客单价 = 总金额 / 订单数
复购率 = (顾客数 - 新顾客数) / 顾客数
订单集中度 = 最大单日订单数 / 月订单数

8.3 预警机制

设置业务规则：

当月订单数环比下降超过20% → 触发预警
新顾客占比低于15% → 检查获客渠道
客单价波动超过2个标准差 → 分析产品组合

我在实际电商系统开发中发现，按月统计看似简单，但要做到生产环境可用的高性能实现需要综合考虑多种因素。特别是在大促期间，订单表写入压力大时，统计查询需要特别优化。一个实用的技巧是预先计算好上月的统计结果，与当月实时数据结合展示，既保证及时性又减轻数据库压力。