row_number()仅按规则编号，识别重复需结合partition by字段与“rn>1”判断；partition by必须严格匹配业务重复定义，order by决定组内优先级，编号为1者为每组代表。
用 ROW_NUMBER() 标记重复记录的最简逻辑
直接结论：ROW_NUMBER() 本身不判断重复，它只按规则给行编号；真正识别重复，得靠“对相同字段分组后编号 > 1”的组合逻辑。核心不是函数本身，而是 PARTITION BY 的字段是否覆盖你定义的“重复标准”。
比如你认为 user_id 和 order_date 完全相同时算重复，那 PARTITION BY user_id, order_date 就是必须项；若只按 user_id 分组，那同用户所有记录都会被编号，哪怕日期不同——这不是你想要的重复。
-
PARTITION BY字段必须严格对应业务中“视为同一重复组”的条件 -
ORDER BY在组内决定哪条算“第一”，通常用时间戳或主键（如created_at DESC保最新，id ASC保最早） - 编号为
1的行是每组的“代表”，其余都是重复候选——但是否真删/标为重复，还得结合业务规则再过滤
写法示例：标记重复并保留最新一条
常见需求：查出所有重复记录，但把每组里 updated_at 最大的那条标为非重复（即保留），其余标为重复。
SELECT
id,
user_id,
order_date,
updated_at,
CASE WHEN rn = 1 THEN 'keep' ELSE 'duplicate' END AS status
FROM (
SELECT
id,
user_id,
order_date,
updated_at,
ROW_NUMBER() OVER (
PARTITION BY user_id, order_date
ORDER BY updated_at DESC, id DESC
) AS rn
FROM orders
) t;
注意这里 ORDER BY updated_at DESC, id DESC 是防时间相同时排序不确定；如果业务允许任意保留一条，单写 ORDER BY updated_at DESC 即可。
ROW_NUMBER() vs COUNT(*) OVER：选哪个更合适？
如果只需“知道某行是否属于重复组”，COUNT(*) OVER (PARTITION BY ...) 更直观：结果直接是组内总行数，> 1 即表示重复。
- 用
ROW_NUMBER()：适合需要排序、取 Top N、或明确区分“首条/非首条”的场景 - 用
COUNT(*) OVER：适合纯判断“是否重复”、且不关心组内顺序时，语义更直白，性能在大数据量下略优（少一次排序） - 二者都不能替代
GROUP BY + HAVING做聚合统计，那是另一类需求
例如只标状态，不用排序逻辑：CASE WHEN COUNT(*) OVER (PARTITION BY user_id, order_date) > 1 THEN 'duplicate' ELSE 'unique' END 更轻量。
容易踩的坑：NULL 值和数据类型隐式转换
PARTITION BY 中字段含 NULL 时，所有 NULL 会被归为同一组——这常导致误判重复。比如 phone 为空的多条记录，会被当成“相同手机号”而标为重复。
- 显式处理
NULL：PARTITION BY COALESCE(phone, CONCAT('null_', id))或用CASE WHEN phone IS NULL THEN -1 ELSE phone END - 字符串字段注意前后空格：
TRIM(phone)再参与分组 - 数字型 ID 和字符串型 ID 混用会触发隐式转换，导致分组错乱，务必统一类型（如都转
CAST(id AS VARCHAR)）
这些细节不报错，但结果偏差隐蔽，上线前一定要用含 NULL 和空值的真实样本验证。
