关于SELECT COUNT DISTINCT两类查询结果差异的技术咨询

A组查询结果差异的核心原因 #

A组中两个查询的结果差异，来自NULL值的处理逻辑和去重维度的不同：

Query 1：子查询多列去重后统计行数 #

SELECT COUNT(*) FROM 
    (SELECT DISTINCT COL1, COL2, COL3, COL4 FROM TABLE_A);    -- RETURNS 11000

这个查询的逻辑是：

1. 子查询对COL1, COL2, COL3, COL4的列组合做去重，保留所有唯一的列组合行，包括含有NULL的组合（比如(1, 2, NULL, 3)和(1, 2, 3, NULL)会被视为两个不同的唯一行）。
2. 外层的COUNT(*)会统计子查询返回的所有行，包括带NULL的组合行，最终得到11000。

Query 2：子查询拼接后去重统计行数 #

SELECT COUNT(*) FROM 
    (SELECT DISTINCT CONCAT(COL1, COL2, COL3, COL4) FROM TABLE_A);   -- RETURNS 5699

这个查询的逻辑是：

1. CONCAT函数在多数SQL数据库中，只要任意一个参数是NULL，返回结果就是NULL。所有产生NULL的行在DISTINCT后只会保留一个NULL条目。
2. 同时，不同的列组合可能拼接出完全相同的字符串（比如COL1='ab', COL2='c'和COL1='a', COL2='bc'拼接后都是'abc'），这类组合会被DISTINCT合并。
3. 最终子查询返回的唯一字符串数量远少于Query1的列组合数量，所以外层COUNT(*)得到5699。

B组查询结果一致的原因 #

B组改用COUNT(DISTINCT ...)语法后，两个查询的统计范围被统一，结果自然一致：

Query 1：COUNT(DISTINCT多列) #

SELECT COUNT(DISTINCT COL1, COL2, COL3, COL4)  FROM TABLE_A;    -- RETURNS 5699

COUNT(DISTINCT 多列)的行为是仅统计所有列都非NULL的唯一组合——只要某列是NULL，该组合就会被COUNT函数忽略（因为COUNT不统计NULL值）。

Query 2：COUNT(DISTINCT拼接字符串) #

SELECT COUNT(DISTINCT CONCAT(COL1, COL2, COL3, COL4)) FROM TABLE_A;   -- RETURNS 5699

当任意列是NULL时，CONCAT结果为NULL，同样会被COUNT忽略；而所有列都非NULL时，拼接字符串与列组合是一一对应的（假设无不同组合拼接成相同字符串的情况），所以唯一字符串的数量和非NULL列组合的数量完全一致，最终都返回5699。

内容的提问来源于stack exchange，提问作者punsoca