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