NebulaGraph 聚合函数全景图：从金融反欺诈团伙挖掘到高效数据统计实战
问题引入
本次聚焦于用户提出的以下具体问题：
三、 nGQL 语言深度解析 (Deep Dive into nGQL)
43. NebulaGraph 支持哪些聚合函数（Aggregation Functions）？如何使用它们？
在一次金融反洗钱（AML）风控项目中，我们的团队需要实时识别可疑的“资金归集”行为。业务规则是：“如果一个收款账户在过去1小时内，从超过50个不同的付款账户收到了总计超过100万元的资金，则该账户应被标记为高风险”。
这个需求的核心在于对交易数据进行分组（GROUP BY）和聚合（Aggregation）。我们需要按收款账户分组，然后对每组内的交易记录计算COUNT（付款账户数）和SUM（总金额）。最初，工程师尝试在应用层拉取所有相关交易后再进行聚合，但面对每秒数十万笔的交易流水，这种方法不仅网络开销巨大，而且延迟无法满足实时风控的要求。
此时，NebulaGraph内置的聚合函数便成为了破局的关键。通过将聚合计算下推到数据库层执行，我们成功将处理延迟从秒级降低到毫秒级，并大幅减少了网络传输的数据量。
本文将基于NebulaGraph 3.8.0版本，系统性地梳
