用group by统计重复值需先按目标字段分组，再用having筛选count(*)>1的结果；where不能用于聚合过滤，多字段重复须全列出group by，注意null处理和索引优化。
怎么用 GROUP BY 找出重复的值
重复数据统计的核心不是“找出来”，而是“按什么分组后数量大于 1”。GROUP BY 是唯一能聚合计数的起点，漏掉它就等于没开始。
常见错误是直接写 SELECT name FROM users WHERE COUNT(*) > 1 —— 这会报错：ERROR: aggregate functions are not allowed in WHERE。因为 WHERE 在分组前执行，根本看不到 COUNT() 的结果。
- 必须先用
GROUP BY按目标字段分组（比如email、phone） - 再用
COUNT(*)算每组行数 - 最后用
HAVING筛选分组后的结果（不是WHERE）
示例：查所有重复的邮箱
SELECT email, COUNT(*) AS cnt FROM users GROUP BY email HAVING COUNT(*) > 1;
HAVING 和 WHERE 到底该用哪个
HAVING 是专为聚合结果筛选设计的，WHERE 只能过滤原始行。混淆两者是新手最常踩的坑，而且错误往往不报语法错，只导致逻辑错——比如本该返回 5 条重复记录，结果一条都没有。
-
WHERE放在GROUP BY前：过滤单行数据（如WHERE status = 'active'） -
HAVING放在GROUP BY后：过滤分组结果（如HAVING COUNT(*) >= 3） - 不能在
HAVING里引用未出现在GROUP BY中的非聚合字段（例如GROUP BY email后，HAVING name = 'Alice'会报错）
统计多个字段组合是否重复
现实里重复往往不是单字段决定的，比如订单表中 (user_id, product_id, order_date) 组合重复才代表异常下单。
这时 GROUP BY 必须列出全部字段，顺序无关，但缺一不可。少写一个，分组粒度就变粗，可能把不该合并的行强行归到一组。
- 正确写法：
GROUP BY user_id, product_id, order_date - 错误写法：
GROUP BY user_id, product_id（会把同用户同商品不同日期的也当重复） - 注意 NULL 值：多字段组合中任一为
NULL，整组会被视为相同（多数数据库行为），如果业务上NULL有明确含义，得提前用COALESCE处理
示例：查同一用户同一天对同一商品的重复下单
SELECT user_id, product_id, order_date, COUNT(*) AS dup_cnt FROM orders GROUP BY user_id, product_id, order_date HAVING COUNT(*) > 1;
性能和兼容性要注意什么
大表跑重复统计很容易慢，尤其没索引时。数据库要全表扫描 + 排序 + 分组，三重开销。
- 给
GROUP BY字段建联合索引能显著提速（如CREATE INDEX idx_email ON users(email);） - MySQL 5.7+ 和 PostgreSQL 支持在
HAVING中复用别名（如HAVING cnt > 1），但 SQLite 和旧版 MySQL 不支持，建议始终写完整表达式HAVING COUNT(*) > 1 - 如果只要知道“有没有重复”，不用具体分布，加
LIMIT 1可提前终止（但注意：这不能代替完整统计）
真正难的不是写出语句，是想清楚“重复”在业务里到底指什么——是完全相同的行？还是关键字段组合相同？还是忽略大小写或空格后的逻辑重复？这些得靠人工定义，SQL 只负责执行。
