最直接快速定位某列重复值的方法是用 group by + having count(*) > 1，它兼容主流数据库，需注意 null 被归为一组、where 不能替代 having、高频查询建议对列建索引。
用 GROUP BY + HAVING 找出重复值最直接
想快速定位某列存在重复的数据行，GROUP BY 加 HAVING COUNT(*) > 1 是最常用也最高效的写法。它不依赖子查询或窗口函数，兼容 MySQL、PostgreSQL、SQL Server、Oracle 等主流数据库（注意：SQLite 默认不支持 COUNT(*) 在 HAVING 中引用非分组列，但对分组列本身没问题）。
常见错误是漏写 HAVING 或误用 WHERE——WHERE 在分组前过滤，无法判断“重复”，必须用 HAVING 在分组后筛选。
SELECT column_name, COUNT(*) FROM table_name GROUP BY column_name HAVING COUNT(*) > 1- 如果只想看重复的值（不关心出现次数），可省略
COUNT(*)，只保留SELECT column_name - 若需查出所有重复的完整记录（不止是值），得配合子查询或
IN，例如：SELECT * FROM table_name WHERE column_name IN (SELECT column_name FROM table_name GROUP BY column_name HAVING COUNT(*) > 1)
查重复时要不要加索引？看查询频率
对高频执行的重复检查（比如每天校验唯一性），给目标列建索引能显著提速，尤其当表超过 10 万行。但索引不是万能的：GROUP BY 本身会触发排序或哈希聚合，索引仅在能避免全表扫描时起作用——比如该列上已有 B-tree 索引，且查询无其他复杂条件时，优化器更可能利用索引完成分组。
- 建索引命令示例：
CREATE INDEX idx_column_name ON table_name(column_name) - 别对低基数列（如只有 'Y'/'N' 的状态字段）盲目建索引，效果有限还拖慢写入
- 执行前先用
EXPLAIN（MySQL）或EXPLAIN ANALYZE（PostgreSQL）看是否真走索引
遇到 NULL 值，重复统计会出错吗？
会。NULL 不等于 NULL，所以默认情况下，多个 NULL 在 GROUP BY 中会被归为同一组，COUNT(*) 会把它们算作一次重复——这常被误认为“bug”，其实是 SQL 标准行为。
- 如果业务上认为多个
NULL算重复，当前写法没问题 - 如果不想把
NULL当作重复值处理，得显式排除：WHERE column_name IS NOT NULL放在GROUP BY前 - 若需单独统计
NULL出现次数，可用：GROUP BY column_name IS NULL, column_name（MySQL 支持布尔分组），或用CASE WHEN构造辅助分组字段
大数据量下卡顿？试试 LIMIT 和采样
当表极大（千万级以上）且只需确认“是否存在重复”，不必扫完全部数据。可在子查询中加 LIMIT 1 提前退出，或用近似方法快速探查。
- 快速验证有无重复（不返回具体值）：
SELECT 1 FROM table_name GROUP BY column_name HAVING COUNT(*) > 1 LIMIT 1 - PostgreSQL 可用
TABLESAMPLE抽样检查：SELECT column_name FROM table_name TABLESAMPLE SYSTEM (1) GROUP BY column_name HAVING COUNT(*) > 1 - MySQL 8.0+ 可考虑用
ROW_NUMBER()窗口函数替代，但要注意内存开销——它需要缓存整个结果集再排序
真正难的不是写出那条 GROUP BY + HAVING，而是搞清你到底要什么：是看哪些值重复了？还是找出所有重复的原始行？要不要管 NULL？查一次还是天天跑？这些决定后续怎么加条件、要不要索引、甚至换不用 GROUP BY 的方案。
