为何Redshift要求所有非聚合列必须包含在GROUP子句中？

这个问题问到了点子上，核心差异其实在于SQL标准的遵循程度，以及不同数据库的设计定位：

1. 先明确SQL标准的硬性规定 #

SQL官方标准里明确要求：当使用GROUP BY进行分组聚合时，SELECT子句中出现的非聚合函数包裹的列，必须全部出现在GROUP BY的分组列表里。

原因很直白：分组后，每个组是一组行的集合，如果某个非聚合列不在GROUP BY里，数据库根本无法确定要返回这个组里哪一行的该列值——这是逻辑上的歧义，标准SQL绝不允许这种模糊的查询逻辑。

2. MySQL的“特殊”非标准实现 #

你例子里MySQL允许SELECT sum(x),y,z FROM sample group by z这种写法，其实是MySQL默认开启了非标准的宽松模式。它会随机选取组内某一行的对应列值返回，但这个结果是不确定的：不同版本、不同执行计划下，返回的y值可能不一样（比如你的例子里返回了3，但换个场景可能返回2），这在严谨的数据查询场景下是很危险的。

如果你给MySQL开启sql_mode=ONLY_FULL_GROUP_BY这个严格模式，它也会像Redshift一样报错，强制要求非聚合列必须出现在GROUP BY里。

3. Redshift遵循标准的原因 #

Redshift是面向数据仓库的OLAP系统，它的设计定位是处理大规模、严谨的数据分析需求，所以严格遵循SQL标准：

• 避免不确定结果：强制要求分组列完整，保证查询结果是逻辑确定的，不会出现随机返回的情况
• 提前规避逻辑漏洞：数据仓库场景下，用户通常需要明确的分组维度，这种强制要求能帮用户及时发现漏写分组列的错误，避免得到不符合预期的聚合结果

结合你的例子来看：

• 当你执行SELECT sum(x),y,z FROM sample group by z时，Redshift会报错，因为y不在分组列里，无法确定返回哪个y值
• 而group by y,z是符合标准的，每个(y,z)组合是唯一的分组，每个组只有一行数据，sum(x)就是该行的x值，结果完全确定

内容的提问来源于stack exchange，提问作者johnnash