示例：
DROP TABLE t_count_test;
CREATE TABLE t_count_test
(
    id Nullable(UInt8)
)
ENGINE = TinyLog;
?
INSERT INTO t_count_test VALUES(1),(NULL),(3),(1);
查看数据：
SELECT * FROM t_count_test

┌───id─┐
│    1 │
│ ???? │
│    3 │
│    1 │
└──────┘
统计总行数：
SELECT count(), count(*) FROM t_count_test;

┌─count()─┬─count()─┐
│       4 │       4 │
└─────────┴─────────┘

统计非NULL的记录数：
SELECT count(id) FROM t_count_test;
?
┌─count(id)─┐
│         3 │
└───────────┘

当使用COUNT(DISTINCT ...) 对表达式去重计数，默认是计算不同值的确切计数。ClickHouse提供了几种近似评估的算法来计数，对于计数准确性不太敏感的场景可极大提升效率。计数去重的行为可通过count_distinct_implementation设置，可设置值有：uniq、uniqCombined、uniqCombined64、uniqHLL12、uniqExact，默认值为uniqExact，其他设置都是近似的计数。

示例：
SELECT name, value FROM system.settings WHERE name = 'count_distinct_implementation';
?
┌─name──────────────────────────┬─value─────┐
│ count_distinct_implementation │ uniqExact │
└───────────────────────────────┴───────────┘
select count(distinct id) from t_count_test;
?
┌─uniqExact(id)─┐
│             2 │
└───────────────┘
Note: COUNT(DISTINCT ...) 会忽略NULL值的行。

select destip, count() as cnt from tsv_demo group by destip order by time;
由于time没有在聚合key或聚合函数中出现，上面的语句报错：
Code: 215. DB::Exception: Received from localhost:9000. DB::Exception: Column time is not under aggregate function and not in GROUP BY..
为了实现类似MySQL的功能，可将需要使用的列放在any函数中，例如将上面的语句改写如下：
select destip, any(time) as time, count() as cnt from tsv_demo group by destip order by time;

3. any的变体anyHeavy(x)/anyLast(x)
3.1 anyHeavy(x)
anyHeavy函数使用heavy hitters算法选择一个经常出现的值。如果在每个查询的执行线程中，有一个值出现的次数超过一半，则返回该值。这个结果正常情况下是不确定的。
3.2 anyLast(x)
选择最一个出现的值。andyLast函数的结果是不确定的

SELECT
    number % 3 AS k,
    groupArray(number),
    groupArray(2)(number)
FROM
(
    SELECT number
    FROM system.numbers
    LIMIT 10
)
GROUP BY k
查看数据：
┌─k─┬─groupArray(number)─┬─groupArray(2)(number)─┐
│ 0 │ [0,3,6,9]          │ [0,3]                 │
│ 1 │ [1,4,7]            │ [1,4]                 │
│ 2 │ [2,5,8]            │ [2,5]                 │
└───┴────────────────────┴───────────────────────┘

5. groupBitAnd/groupBitOr/groupBitXor
groupBitAnd/groupBitOr/groupBitXor分别表示按位与、按位或和按位异或。
如下示例：
SELECT number % 4 AS k,
  groupArray(number),
  groupBitOr(number),
  groupBitAnd(number),
  groupBitXor(number)
FROM
(
  SELECT * FROM system.numbers LIMIT 8
)
GROUP BY k
ORDER BY k;
┌─k─┬─groupArray(number)─┬─groupBitOr(number)─┬─groupBitAnd(number)─┬─groupBitXor(number)─┐
│ 0 │ [0,4]              │                  4 │                   0 │                   4 │
│ 1 │ [1,5]              │                  5 │                   1 │                   4 │
│ 2 │ [2,6]              │                  6 │                   2 │                   4 │
│ 3 │ [3,7]              │                  7 │                   3 │                   4 │
└───┴────────────────────┴────────────────────┴─────────────────────┴─────────────────────┘

drop table t_score;
create table t_score(name String, sex String, score UInt8) ENGINE=TinyLog;
insert into t_score values
('xiaohe', 'M', 88)
('zhangsan', 'M', 70)
('xiangli', 'M', 98)
('xiaoxue', 'F', 99)
('lisi', 'F', 95)
;
查看数据：
┌─name─────┬─sex─┬─score─┐
│ xiaohe   │ M   │    88 │
│ zhangsan │ M   │    70 │
│ xiangli  │ M   │    98 │
│ xiaoxue  │ F   │    99 │
│ lisi     │ F   │    95 │
└──────────┴─────┴───────┘
分别统计男生/女生的最高分和姓名：
SELECT
    sex,
    argMax(name, score) AS name,
    max(score)
FROM t_score
GROUP BY sex;
┌─sex─┬─name────┬─max(score)─┐
│ F   │ xiaoxue │         99 │
│ M   │ xiangli │         98 │
└─────┴─────────┴────────────┘

创建测试表和数据：
drop table t_sum_overflow;
create table t_sum_overflow(id String, num UInt8) ENGINE=TinyLog;
?
insert into t_sum_overflow values
('id001', 1), ('id001', 255);
查看数据：
SELECT * FROM t_sum_overflow;
?
┌─id────┬─num─┐
│ id001 │   1 │
│ id001 │ 255 │
└───────┴─────┘
sumWithOverflow聚合：
SELECT sumWithOverflow(num) FROM t_sum_overflow
?
┌─sumWithOverflow(num)─┐
│                    0 │
└──────────────────────┘
聚合的结果返回了0，并不是我们预期的256，这是由于256超出了UInt8类型的最大值255。

示例2：sumMap
创建测试表和数据：
DROP TABLE sum_map;
CREATE TABLE sum_map(
    timeslot DateTime,
    statusMap Nested(
        status UInt16,
        requests UInt64
    )
) ENGINE = Log;
?
INSERT INTO sum_map VALUES
    ('2000-01-01 00:00:00', [1, 2, 3], [10, 20, 30]),
    ('2000-01-01 00:00:00', [3, 4, 5], [10, 10, 10]),
    ('2000-01-01 00:01:00', [4, 6, 6], [10, 10, 10]),
    ('2000-01-01 00:01:00', [6, 7, 7], [10, 10, 10]);
查看数据：
SELECT * FROM sum_map;
?
┌────────────timeslot─┬─statusMap.status─┬─statusMap.requests─┐
│ 2000-01-01 00:00:00 │ [1,2,3]          │ [10,20,30]         │
│ 2000-01-01 00:00:00 │ [3,4,5]          │ [10,10,10]         │
│ 2000-01-01 00:01:00 │ [4,6,6]          │ [10,10,10]         │
│ 2000-01-01 00:01:00 │ [6,7,7]          │ [10,10,10]         │
└─────────────────────┴──────────────────┴────────────────────┘
?
sumMap聚合：
SELECT
    timeslot,
    sumMap(statusMap.status, statusMap.requests)
FROM sum_map
GROUP BY timeslot;
┌────────────timeslot─┬─sumMap(statusMap.status, statusMap.requests)─┐
│ 2000-01-01 00:00:00 │ ([1,2,3,4,5],[10,20,40,10,10])               │
│ 2000-01-01 00:01:00 │ ([4,6,7],[10,30,20])                         │
└─────────────────────┴──────────────────────────────────────────────┘

SELECT topKWeighted(10)(number, number%88) FROM numbers(1000) ;
┌─topKWeighted(10)(number, modulo(number, 88))─┐
│ [957,953,952,938,939,789,942,943,791,790]    │
└──────────────────────────────────────────────┘

select quantile(0.25)(number) from ( select number from system.numbers limit 20 );
┌─quantile(0.25)(number)─┐
│                   4.75 │
└────────────────────────┘
?
select quantile(1)(number) from ( select number from system.numbers limit 20 );
┌─quantile(1)(number)─┐
│                  19 │
└─────────────────────┘

要想获得一个确定的值，可以使用：quantileDeterministic
select quantileDeterministic(1)(number,23) from ( select number from system.numbers limit 20 );