最常用、最可靠的查重复方法是用 group by 配合 having count() > 1，但必须确保 group by 字段组合准确反映业务意义上的重复定义；count() 必须用于计数，不可用 count(字段) 替代，否则会忽略 null 导致漏判。

直接说结论：用 GROUP BY 配合 HAVING COUNT(*) > 1 是最常用、最可靠的查重复方法，但必须注意字段组合的语义是否真代表“业务意义上的重复”。

为什么 HAVING COUNT(*) > 1 能定位重复组

分组后每组对应一个唯一键（由 GROUP BY 字段决定），COUNT(*) 统计的是该键下有多少行。只要大于 1，就说明这些行在指定字段上完全一致——也就是你定义的“重复”。

常见错误是只对单个字段分组（比如只按 email），却忽略业务中真正判定重复的应是多字段组合（如 name + phone + id_card）。

• 必须把所有参与判重的字段都写进 GROUP BY，不能只选其中一部分
• HAVING 是对分组结果过滤，不能用 WHERE 替代（WHERE 在分组前执行，无法访问 COUNT(*)）
• 如果表很大，记得给 GROUP BY 字段建联合索引，否则 GROUP BY 可能全表扫描

查出重复数据本身，不只是分组摘要

GROUP BY + HAVING 只返回分组摘要（如 email 和出现次数），不返回原始重复行。要看到具体哪几条记录重复，得用子查询或窗口函数。

推荐用 IN 子查询关联原表：

SELECT * FROM users 
WHERE (email, name) IN (
  SELECT email, name 
  FROM users 
  GROUP BY email, name 
  HAVING COUNT(*) > 1
);

注意：(email, name) 是行构造器语法，MySQL 8.0+、PostgreSQL 支持；SQLite 和旧版 MySQL 需改写为两个独立子查询或用 JOIN。

• Oracle 或 SQL Server 用户可改用 ROW_NUMBER() OVER (PARTITION BY ...) 窗口函数，性能通常更好
• 如果字段允许 NULL，(a, b) IN (SELECT a, b ...) 可能漏掉含 NULL 的重复组（因 NULL = NULL 不成立），此时需额外处理 NULL 条件

COUNT(*) vs COUNT(字段名) 的区别

查重复必须用 COUNT(*)，不是 COUNT(某个字段)。后者会自动忽略该字段为 NULL 的行，导致计数偏小，可能把本该算作重复的组漏掉。

例如：

SELECT user_id, COUNT(*)    -- ✅ 包含所有行，NULL 也计 1
FROM logs 
GROUP BY user_id 
HAVING COUNT(*) > 1;

SELECT user_id, COUNT(ip)   -- ❌ 如果 ip 是 NULL，这行不参与计数
FROM logs 
GROUP BY user_id 
HAVING COUNT(ip) > 1;

• 只要字段可能为空，就别用 COUNT(字段) 做重复判断
• 想确认某字段是否全非空，可用 COUNT(*) = COUNT(字段) 辅助校验

真正难的不是写出这条语句，而是厘清“什么才算重复”——是身份证号相同？手机号+姓名组合相同？还是业务主键以外的自然键冲突？这个定义错了，后面所有 SQL 都白跑。