用窗口函数count(*) over(partition by group_col, target_col)标记每行重复次数，再where cnt>1筛选原始记录；旧版数据库需用自关联或子查询join，注意null处理与索引优化。
怎么用 GROUP BY + COUNT 找出分组内某字段“不唯一”的记录
直接查出那些在分组中出现多次的值，而不是只返回计数结果。核心是：先分组聚合计数，再把计数结果作为条件反推原始数据。
常见错误是只写 SELECT group_col, target_col, COUNT(*) FROM t GROUP BY group_col, target_col HAVING COUNT(*) > 1——这只能告诉你哪些（分组+目标值）组合重复了，但拿不到原始行；如果目标是“把所有重复的原始记录捞出来”，必须连回原表或用窗口函数。
- 最稳方案是窗口函数：
COUNT(*) OVER (PARTITION BY group_col, target_col)，然后在外层WHERE cnt > 1 - 兼容旧版数据库（如 MySQL 5.6）只能用自关联或子查询，性能差且易漏 NULL 分组
- 注意
GROUP BY group_col, target_col中的target_col如果为 NULL，会被归为同一组——多数引擎把所有 NULL 当作相同值，业务上是否合理需确认
COUNT(*) OVER (PARTITION BY ...) 是不是万能解法
它能直接在每行附带一个计数，适合“标记并筛选重复行”，但有三个实际限制：
- MySQL 5.7 之前不支持窗口函数，强行用会报
ERROR 1064 - PostgreSQL 和 MySQL 8.0+ 支持，但
PARTITION BY里不能用表达式（如TRIM(name)），得先在子查询里处理好 - 如果
group_col和target_col组合基数极高（比如千万级唯一组合），OVER会触发大量内存排序，可能 OOM；此时不如先建临时去重表再 JOIN
示例（MySQL 8.0+）：
SELECT * FROM ( SELECT *, COUNT(*) OVER (PARTITION BY dept_id, job_title) AS cnt FROM employees) t WHERE cnt > 1;
为什么不能只靠 GROUP BY + HAVING 返回原始记录
GROUP BY 本质是降维聚合，每组只返回一行。即使你写 SELECT *, COUNT(*)，数据库也会报错或随机取某一行的非聚合列值（MySQL 5.7+ 默认拒绝）。
- 想看到所有重复的原始行，
GROUP BY必须配合子查询或 JOIN，例如：SELECT e.* FROM employees e INNER JOIN (SELECT dept_id, job_title FROM employees GROUP BY dept_id, job_title HAVING COUNT(*) > 1) dup ON e.dept_id = dup.dept_id AND e.job_title = dup.job_title - 这个写法在
job_title为 NULL 时可能失效：因为NULL = NULL永远为 false，得改用IS NOT DISTINCT FROM（PostgreSQL）或COALESCE(job_title, 'NULL')（MySQL）做安全比较 - 索引建议：给
(dept_id, job_title)建联合索引，能加速子查询中的GROUP BY和外层JOIN
NULL 值在重复判定里到底算不算“相同”
绝大多数主流数据库（MySQL、PostgreSQL、SQL Server）在 GROUP BY 和窗口函数的 PARTITION BY 中，都把所有 NULL 视为相等——即 (1, NULL) 和 (1, NULL) 属于同一组。但这不等于业务逻辑上该如此。
- 如果你的业务认为 “未知职位（NULL）” 和 “未知职位” 不应算重复（比如来自不同录入渠道），就得提前清洗：
COUNT(*) OVER (PARTITION BY dept_id, COALESCE(job_title, UUID())) - 检查 NULL 占比：先跑
SELECT COUNT(*) FILTER (WHERE job_title IS NULL) AS null_cnt, COUNT(*) FROM employees WHERE dept_id = 'D001'（PostgreSQL）或等效写法，避免误判 - 别依赖
DISTINCT预过滤——SELECT DISTINCT *会把整行去重，而你要的是“按某些字段组合去重”，语义完全不同
真正容易被忽略的是：当 target_col 本身是字符串时，末尾空格、大小写、不可见字符（如 \u200B）都会影响分组结果，但肉眼难识别。动手前先 SELECT HEX(job_title), LENGTH(job_title) FROM employees WHERE dept_id = 'X' LIMIT 5 看一眼原始字节。
