SQL中如何利用聚合函数检测数据表中的业务重复键

酷婷酱_6344

酷婷酱_6344

2026-11-20

357人浏览

原创

GROUP BY + HAVING COUNT() > 1 是最直接的业务重复键检测方式;需用完整业务唯一键显式分组,COUNT() 不可替换为 COUNT(col),NULL 默认正确归组但须确认业务语义,查完整重复行应改用窗口函数。

sql中如何利用聚合函数检测数据表中的业务重复键

GROUP BY + HAVING COUNT(*) > 1 是最直接的业务重复键检测方式

只要明确哪些列组合构成你的“业务唯一键”,就用它们做 GROUP BY,再加 HAVING COUNT(*) > 1 过滤。比如订单系统中“用户ID+商品ID+下单时间”不允许重复,那就写:

SELECT user_id, product_id, order_time, COUNT(*) AS cnt
FROM orders
GROUP BY user_id, product_id, order_time
HAVING COUNT(*) > 1;

注意三点:

  • COUNT(*) 必须用,不能写 COUNT(col) —— 后者会跳过 NULL 值,导致含空值的重复组被漏掉
  • 所有参与业务逻辑判断的列都得显式列在 GROUP BY 中,不能偷懒写 GROUP BY *(MySQL 8.0+ 虽支持但不可靠,PostgreSQL 不认)
  • HAVING 是必须的,WHERE 在分组前执行,无法访问 COUNT(*) 结果

NULL 值不会破坏 GROUP BY 的分组一致性,但要注意语义是否合理

GROUP BY 默认把所有 NULL 当作同一组,这恰好符合“多个 NULL 值视为相等”的业务直觉。比如 email IS NULL 的多条记录会被归进同一组,COUNT(*) 也能正确统计。

但问题常出在业务定义上:你真想把“邮箱为空”的用户也当作潜在重复吗?

  • 先查空值占比:SELECT COUNT(*) FROM table WHERE col IS NULL
  • 如果空值太多且无业务意义,建议加 WHERE col IS NOT NULL 预过滤
  • 若需保留空值参与比对,别用 COALESCE(col, '') —— 字符串长度、排序规则(collation)可能引发隐式转换偏差

要拿到重复行的完整原始记录,就得用窗口函数

GROUP BY 只返回分组摘要,没法看到每条重复记录的 id、created_at 等字段。这时候必须切到窗口函数方案:

Gemini
Gemini

Gemini是一款由 Google 提供的个人 AI 助手和多模态生成式 AI 产品。

下载
WITH dup_rows AS (
  SELECT *,
         COUNT(*) OVER (PARTITION BY user_id, product_id, order_time) AS dup_cnt
  FROM orders
)
SELECT * FROM dup_rows WHERE dup_cnt > 1;

关键细节:

  • PARTITION BY 列表必须和你定义的业务键完全一致,少一个就漏判
  • 如果后续要删重,推荐加 ROW_NUMBER() OVER (PARTITION BY ... ORDER BY id),方便取 rn = 1 作为保留行
  • SQL Server / PostgreSQL / MySQL 8.0+ 支持;SQLite 不支持,得用自连接模拟,性能差很多

大表上跑聚合容易慢,索引和预筛选比优化 SQL 更有效

千万级表上直接 GROUP BY 三列,没索引时可能几小时不出结果。与其调写法,不如先看数据分布:

  • 给业务键列建复合索引:CREATE INDEX idx_user_prod_time ON orders(user_id, product_id, order_time)
  • 用 EXISTS 快速探路是否存在重复:SELECT TOP 1 user_id FROM orders o1 WHERE EXISTS (SELECT 1 FROM orders o2 WHERE o2.user_id = o1.user_id AND o2.product_id = o1.product_id AND o2.order_time = o1.order_time AND o2.id != o1.id)
  • 如果只关心“有没有”,别用 COUNT(*);如果要导出全部重复行,优先走窗口函数 + CTE,避免多次扫描基表

真正容易被忽略的是业务键的完整性——比如漏掉了“是否测试单”这个标记字段,导致生产单和测试单被混在一起判重。查之前,先和产品/业务方确认:哪些字段共同构成“不可重复”的最小语义单元。

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

聚合函数

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
数据分析工具有哪些
数据分析工具有哪些

数据分析工具有Excel、SQL、Python、R、Tableau、Power BI、SAS、SPSS和MATLAB等。详细介绍:1、Excel,具有强大的计算和数据处理功能;2、SQL,可以进行数据查询、过滤、排序、聚合等操作;3、Python,拥有丰富的数据分析库;4、R,拥有丰富的统计分析库和图形库;5、Tableau,提供了直观易用的用户界面等等。

2023.10.12

5143

8

SQL中distinct的用法
SQL中distinct的用法

SQL中distinct的语法是“SELECT DISTINCT column1, column2,...,FROM table_name;”。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

2023.10.27

1051

4

SQL中months_between使用方法
SQL中months_between使用方法

在SQL中,MONTHS_BETWEEN 是一个常见的函数,用于计算两个日期之间的月份差。想了解更多SQL的相关内容,可以阅读本专题下面的文章。

2024.02.23

1349

5

SQL出现5120错误解决方法
SQL出现5120错误解决方法

SQL Server错误5120是由于没有足够的权限来访问或操作指定的数据库或文件引起的。想了解更多sql错误的相关内容,可以阅读本专题下面的文章。

2024.03.06

7241

10

sql procedure语法错误解决方法
sql procedure语法错误解决方法

sql procedure语法错误解决办法:1、仔细检查错误消息;2、检查语法规则;3、检查括号和引号;4、检查变量和参数;5、检查关键字和函数;6、逐步调试;7、参考文档和示例。想了解更多语法错误的相关内容,可以阅读本专题下面的文章。

2024.03.06

3863

4

oracle数据库运行sql方法
oracle数据库运行sql方法

运行sql步骤包括:打开sql plus工具并连接到数据库。在提示符下输入sql语句。按enter键运行该语句。查看结果,错误消息或退出sql plus。想了解更多oracle数据库的相关内容,可以阅读本专题下面的文章。

2024.04.07

7220

11

sql中where的含义
sql中where的含义

sql中where子句用于从表中过滤数据,它基于指定条件选择特定的行。想了解更多where的相关内容,可以阅读本专题下面的文章。

2024.04.29

10161

6

sql中删除表的语句是什么
sql中删除表的语句是什么

sql中用于删除表的语句是drop table。语法为drop table table_name;该语句将永久删除指定表的表和数据。想了解更多sql的相关内容,可以阅读本专题下面的文章。

2024.04.29

1390

5

sql中删除一列的命令是什么
sql中删除一列的命令是什么

在sql中,使用alter table语句可以删除一列,语法为:alter table table_name drop column column_name。想了解更多sql的相关内容,可以阅读本专题下面的文章。

2024.04.29

1192

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习