会话崩溃率：分组平均占比能否高于整体平均占比？

整体崩溃占比查询 #

SELECT COUNT(*) count,
  SUM(cast((CAST((session.platform = 1 AND session.iscrashed) OR
       (session.platform = 2 AND session.iscrashed) AS int)) as int)) total_crashed
FROM session
WHERE appid = '4ef36d'
 AND (CAST(session.uploadedon AS timestamp) >= timestamp '2023-02-07 00:00:00' AND
    CAST(session.uploadedon AS timestamp) <= timestamp '2023-03-07 23:59:59')

查询结果：总会话数7896，崩溃会话数774，整体崩溃占比为 9.80%（774/7896 × 100）。

按月分组崩溃占比查询 #

SELECT
   FORMAT_DATETIME(session.uploadedon,'MMM yyyy') session_uploaded_month,
count(1) as count,
SUM(cast((CAST((session.platform = 1 AND session.iscrashed) OR
       (session.platform = 2 AND session.iscrashed) AS int)) as int)) session_is_crashed
FROM hive.prod_views.session
WHERE appid = '4ef36d'
 AND (CAST(session.uploadedon AS timestamp) >= timestamp '2023-02-07 00:00:00' AND
    CAST(session.uploadedon AS timestamp) <= timestamp '2023-03-07 23:59:59')
GROUP BY FORMAT_DATETIME(session.uploadedon,'MMM yyyy')

查询输出：

+----------------------+-----+------------------+
|session_uploaded_month|count|session_is_crashed|
+----------------------+-----+------------------+
|Feb 2023              |7227 |774               |
|Mar 2023              |669  |0                 |
+----------------------+-----+------------------+

2月崩溃占比为 10.70%（774/7227 × 100），高于整体占比。

当然可能出现分组占比高于整体的情况，核心原因是整体占比是加权平均，权重为各分组的会话总数，而分组自身的占比是该组的局部比例。

拿你的案例来说：整体9.80%的崩溃率是2月（7227个会话，10.70%崩溃率）和3月（669个会话，0%崩溃率）的加权平均。2月的高崩溃率被3月的0崩溃率拉低，最终得到整体值，所以2月的局部占比自然高于整体。

再举个更清晰的例子：

• A组：100个会话，20个崩溃，占比20%
• B组：900个会话，70个崩溃，占比7.78%
• 整体：(20+70)/(100+900)=9%

这里A组的20%就远高于整体的9%——只要分组间的崩溃率存在差异，就必然会有部分分组的占比高于整体，另一部分低于整体，这是加权平均的必然结果。

内容的提问来源于stack exchange，提问作者Azima