为何SQL分组统计后去重客户端ID计数总和与直接去重计数结果不一致？

这是个很典型的COUNT(DISTINCT)在分组与全局统计时的差异问题，核心原因是：同一个client_id可能对应多个不同的clienttype（包括NULL值），在分组统计时，这个客户会在每个对应的clienttype组里被各计一次，但全局统计时只会被算一次。

举个简单的例子就懂了：假设某个client_id=123在database2里有两条2021年的记录，一条clienttype='VIP'，另一条clienttype='普通用户'。那第一个全局查询里，这个客户只会被算1次；但第二个分组查询里，VIP组会算1次，普通用户组也会算1次，求和时就变成了2次。大量这样的客户累加起来，就会让分组求和的结果（300k）远大于全局统计的结果（200k）。

你提到的NULL组的50k计数只是其中一部分，真正的大头是那些同时属于多个非NULLclienttype，或者同时属于NULL和非NULL类型的客户——他们被重复计入了多个分组的统计里。

验证这个结论的方法 #

你可以跑下面的SQL来找出那些跨多个clienttype的客户：

SELECT a.client_id, COUNT(DISTINCT b.clienttype) AS unique_types
FROM database1 a
INNER JOIN database2 b ON a.client_id = b.client_id AND b.year = 2021
GROUP BY a.client_id
HAVING unique_types > 1

这个查询会返回所有在2021年对应多种clienttype的客户，他们就是导致两个结果差异的核心原因。

补充说明 #

本质上，COUNT(DISTINCT client_id)在分组查询中是每个分组内去重，而全局查询是整个结果集去重。当同一个client_id出现在多个分组时，分组求和就会把这个客户多次计算，而全局只会算一次，这就是差异的来源。

内容的提问来源于stack exchange，提问作者Soraqil