distinct on 是 postgresql 中实现多列去重后聚合的原生方案，需配合 order by 使用；正确做法是用子查询或 cte 先去重再外层聚合，不可与 group by 混用。
用 DISTINCT ON 配合 GROUP BY 实现多列去重再聚合
PostgreSQL 不支持在 GROUP BY 中直接对“去重后的行”做聚合（比如先按 A、B 去重，再统计 C 的平均值），DISTINCT ON 是最贴近需求的原生方案。它不是先全局去重再分组，而是按指定列排序后取每组首行——所以必须搭配 ORDER BY 使用，否则行为未定义。
常见错误是写成：SELECT DISTINCT ON (a, b) a, b, COUNT(*) FROM t GROUP BY a, b —— 这会报错，因为 DISTINCT ON 和 GROUP BY 不能混用。
- 正确做法：把去重逻辑放在子查询或 CTE 里，外层再聚合
- 例如统计每个用户最新一条订单的金额总和：
WITH latest_orders AS ( SELECT DISTINCT ON (user_id) user_id, amount FROM orders ORDER BY user_id, created_at DESC ) SELECT COUNT(*), SUM(amount) FROM latest_orders;
- 注意
ORDER BY必须包含DISTINCT ON的所有列，且后续列决定“留哪一行”，顺序错会导致结果意外
用窗口函数 ROW_NUMBER() 替代 DISTINCT ON 获得更灵活控制
当需要去重条件更复杂（比如“保留金额最高的那条，而非时间最新的”），或需兼容其他数据库时，ROW_NUMBER() 更可靠。它不依赖排序隐含的“首行语义”，而是显式编号后再过滤。
容易忽略的点是分区键和排序逻辑必须严格匹配业务意图。比如按 (a, b) 分组但按 c DESC 排序，就等价于“每组取 c 最大的那条”。
- 示例：取每个
category下score最高的产品，并统计这类产品的平均价格WITH ranked AS ( SELECT *, ROW_NUMBER() OVER (PARTITION BY category ORDER BY score DESC) AS rn FROM products ) SELECT category, AVG(price) FROM ranked WHERE rn = 1 GROUP BY category; - 性能上，如果数据量大，确保
PARTITION BY和ORDER BY列有联合索引，否则窗口函数可能全表扫描 - 别用
RANK()或DENSE_RANK()代替，它们会为并列值分配相同序号，导致去重失败
避免用 GROUP BY + 聚合函数模拟去重，结果不可靠
有人尝试用 GROUP BY a, b 然后对 c 用 MAX(c) 或 MIN(c) 来“代表该组唯一行”，这本质不是去重，而是聚合——你拿不到原始行的其他字段（比如 id 或 created_at），且无法保证 MAX(c) 对应的那行就是你想要的完整记录。
典型翻车场景：想查每个用户最新订单的全部字段，却写成 SELECT user_id, MAX(created_at), SUM(amount) FROM orders GROUP BY user_id。这里 MAX(created_at) 和实际某条完整订单记录完全脱钩。
- 只要需求明确要“某组中某一条完整记录”，就必须用
DISTINCT ON或窗口函数，不能靠聚合函数拼凑 - 如果真只需要聚合值（如“每个用户最新订单的金额”），那
MAX()可能碰巧对，但逻辑脆弱——一旦字段含义变化（比如created_at允许为空），结果立即失效
去重聚合后还要关联其他表？优先在去重层完成 JOIN
如果去重后的结果要和另一张表（比如用户表）关联，别在最外层 JOIN。先在子查询/CTE 里完成去重，再 JOIN，否则可能因 JOIN 导致重复行被重新引入，破坏去重效果。
例如：查每个用户最新订单及其用户名。错误写法是先 JOIN users 再 DISTINCT ON，因为一个用户多条订单会先膨胀数据量，再去重效率低且易出错。
- 正确顺序：去重 → JOIN → 聚合
WITH latest AS ( SELECT DISTINCT ON (user_id) user_id, order_id, amount FROM orders ORDER BY user_id, created_at DESC ) SELECT u.name, COUNT(*), SUM(l.amount) FROM latest l JOIN users u ON l.user_id = u.id GROUP BY u.name;
- 如果 JOIN 条件涉及去重逻辑（比如只连“已支付”的最新订单），就把 WHERE 提前到去重子查询内，减少中间数据量
ROW_NUMBER() 的 ORDER BY 得写成 ORDER BY paid_status DESC, created_at DESC，而 paid_status 字段本身还得预处理成可排序值——细节一漏，结果就偏了。
