count(distinct)统计结果与分组查询行数不一致问题咨询

差异原因 #

1. 代码集1的逻辑偏差：
   代码集1未按table1_PIDM分组，所有聚合函数均针对整个查询结果集计算：

   • Count(distinct table1_PIDM)统计的是所有满足WHERE条件的唯一PIDM总数（1793），包含那些总工资和<=0的PIDM。
   • Sum(table1_GRS)是所有行的工资总和，having Sum(...)>0仅判断这个总合是否大于0（显然成立），并未过滤单个PIDM的工资和。
     因此代码集1返回的是全量符合WHERE条件的PIDM数，而非预期的“工资和大于0的PIDM数”。

2. 代码集2的实际逻辑：
   虽然代码集2未显式写GROUP BY table1_PIDM，但Argos依赖的数据库会隐式按非聚合列table1_PIDM分组：

   • Sum(table1_GRS)计算的是每个PIDM的总工资和。
   • having Sum(...)>0过滤掉了总工资和<=0的PIDM。
   • distinct在这里是冗余的（分组后每个PIDM仅对应一行），最终返回的是工资和大于0的唯一PIDM数（1749）。

两者核心差异：代码集1未过滤工资和<=0的PIDM，代码集2通过隐式分组+having实现了过滤。

修正方案 #

修正代码集1（统计工资和大于0的PIDM数量） #

先按PIDM分组过滤出符合条件的记录，再统计数量：

SELECT COUNT(*) AS "Count_unique_PIDMs_with_positive_wages"
FROM (
    SELECT table1_PIDM
    FROM table1 table1
    JOIN table2 table2 ON table1_EARN_CODE = table2_CODE
    WHERE table1_YEAR = :PayYear
      AND table1_MONTH BETWEEN :QtrBeg AND :QtrEnd
      AND table1_EARN_CODE NOT IN ('list of data')
      AND table2_CASH_IND <> 'N'
    GROUP BY table1_PIDM
    HAVING SUM(table1_GRS) > 0
) AS valid_pidms;

优化代码集2（显式分组，去掉冗余distinct） #

将隐式分组改为显式GROUP BY，逻辑更清晰：

SELECT SUM(table1_GRS) AS "GrossWages", table1_PIDM AS "Pidm"
FROM table1 table1
JOIN table2 table2 ON table1_EARN_CODE = table2_CODE
WHERE table1_YEAR = :PayYear
  AND table1_MONTH BETWEEN :QtrBeg AND :QtrEnd
  AND table1_EARN_CODE NOT IN ('list of data')
  AND table2_CASH_IND <> 'N'
GROUP BY table1_PIDM
HAVING SUM(table1_GRS) > 0;

总结 #

• 1793与1749的差值对应44个PIDM，这些PIDM满足WHERE条件但总工资和<=0，被代码集2过滤但未被代码集1过滤。
• 若需代码集1返回与代码集2一致的数量，必须通过分组+子查询实现精准过滤。
• 代码集2应使用显式GROUP BY避免依赖数据库的非标准隐式分组行为。

内容的提问来源于stack exchange，提问作者MsWalkrOfSky