直接在GROUP BY后使用COUNT(DISTINCT column)即可统计每组内该字段的非重复值个数，主流SQL引擎（MySQL 5.7+、PostgreSQL等）均支持；注意不可写成DISTINCT COUNT()，NULL默认被忽略，多列去重需写为COUNT(DISTINCT a,b)表示组合去重。

GROUP BY 后怎么用 COUNT(DISTINCT ...) 正确统计去重数量

直接在 COUNT(DISTINCT ...) 里写字段，再配合 GROUP BY，就能对每组内该字段的不重复值计数。这是标准 SQL 支持的语法，MySQL 5.7+、PostgreSQL、SQL Server、Oracle、SQLite 都可用，但注意早期 MySQL（5.6 及更早）在某些嵌套场景下可能报错。

常见错误是把 DISTINCT 错放在 COUNT 外面，比如写成 DISTINCT COUNT(...) —— 这语法非法，数据库会直接报 ERROR: syntax error at or near "DISTINCT"。

• COUNT(DISTINCT user_id)：统计每组中不同用户数
• COUNT(DISTINCT CONCAT(city, '-', region))：组合字段去重计数（适用于需要多列联合去重）
• 如果字段可能为 NULL，COUNT(DISTINCT ...) 会自动忽略 NULL，无需额外过滤

遇到 COUNT(DISTINCT) 结果为 0 或比预期少怎么办

不是语法错了，大概率是数据本身或分组逻辑有问题。最常踩的坑是：分组字段和去重字段存在隐式类型转换或空格/大小写干扰。

例如在 MySQL 中，VARCHAR 字段默认比较忽略末尾空格，导致 'A ' 和 'A' 被当成相同值去重；又或者 PostgreSQL 对大小写敏感，而你没意识到 'Email@A.com' 和 'email@a.com' 算两个不同值。

• 先查一组原始数据：SELECT group_col, target_col FROM t WHERE group_col = 'X' LIMIT 10，人工确认去重依据是否合理
• 需要忽略大小写时，显式转换：COUNT(DISTINCT LOWER(email))
• 需要去除首尾空格：COUNT(DISTINCT TRIM(name))
• 确认目标字段没有意外的 NULL 占比过高（可用 SUM(CASE WHEN col IS NULL THEN 1 ELSE 0 END) 辅助检查）

大数据量下 COUNT(DISTINCT) 很慢，有没有替代方案

是的，尤其在 Hive、Spark SQL 或旧版 MySQL 中，COUNT(DISTINCT) 常触发全局去重 shuffle，性能下降明显。这时可考虑近似统计或预处理。

PostgreSQL 可用 APPROX_COUNT_DISTINCT()（基于 HyperLogLog），误差率约 1%；BigQuery 默认就用近似版本；而 MySQL 8.0+ 没有原生近似函数，但可通过 GROUP BY ... WITH ROLLUP + 临时表分步聚合缓解压力。

• 真正要精确结果且数据超千万行：先 CREATE TEMPORARY TABLE uniq AS SELECT DISTINCT group_col, target_col FROM t，再 SELECT group_col, COUNT(*) FROM uniq GROUP BY group_col
• Hive/Spark 中优先用 approx_count_distinct(col)，快一个数量级
• 避免在 COUNT(DISTINCT) 里用复杂表达式（如子查询、UDF），会强制物化中间结果

GROUP BY 多个字段时，COUNT(DISTINCT) 的作用域是哪一层

它只对当前 SELECT 中的 GROUP BY 分组生效，不是对全表。换句话说：按 A, B 分组后，COUNT(DISTINCT C) 就是在每个 (A,B) 组合内部统计 C 的不重复值个数。

容易混淆的是，有人误以为加了多个 GROUP BY 字段会让去重范围变“更大”，其实刚好相反——分组越细，每组数据越少，COUNT(DISTINCT) 的结果通常越小（除非某组内 C 全部相同）。

• 语句：SELECT dept, year, COUNT(DISTINCT emp_id) FROM sales GROUP BY dept, year
• 结果中每一行代表“某部门某年”的独立员工数，不是“某部门所有年份”的去重总数
• 若想跨年汇总，得另起查询，或用窗口函数：COUNT(DISTINCT emp_id) OVER (PARTITION BY dept)（需数据库支持）

实际用的时候，最麻烦的往往不是语法写不对，而是分组键选得不够准，或者没意识到目标字段里混着不可见字符、时区差异、编码乱码这些“安静的错误”。跑出结果前，先抽几组手工核对原始数据，比调十次 SQL 更省时间。