为何子查询新增列后Sum()结果增大？该如何解决？

两段SQL脚本及执行结果 #

脚本1 #

select year, sum(traffic) 
from (
  select year, count(distinct id) traffic 
  from table.name 
  where clean_url like "%.com/blog/%" 
  group by 1
) 
GROUP BY 1

执行结果：3078347

脚本2 #

select year, sum(traffic) 
from (
  select year, month, count(distinct id) traffic 
  from table.name 
  where clean_url like "%.com/blog/%" 
  group by 1,2
) GROUP BY 1

执行结果：3149904

问题解答 #

1. 结果差异的原因 #

核心原因是同一个用户（id）可能在同一年的多个月份都有符合条件的访问行为：

• 脚本1直接按year分组，用count(distinct id)统计的是全年范围内的独立用户数——不管用户当年访问多少次、覆盖多少个月，每个用户都只被统计1次。
• 脚本2先按year+month分组，每个月内统计该月的独立用户数，再将各月的统计值相加。如果一个用户在多个月份都访问过，就会在每个对应月份的分组里被各算1次，最终sum的结果会把这个用户重复统计，导致总和远大于脚本1的结果。

2. 解决方案（针对新增16个字段后结果虚高的问题） #

首先要明确你的业务需求：是要各细分维度（含16个字段）下的独立用户数，还是要按年统计的全年独立用户总数？不同需求对应不同的解决方式：

需求A：按年统计全年独立用户总数，同时保留16个字段的维度查看

这种情况不能用「先分组count再sum」的逻辑，要确保每个用户在全年内只被统计一次。可以通过标记用户的首次访问维度实现：

select year, -- 这里加上需要的16个新增字段
       count(distinct id) as traffic
from (
  select id, year, -- 同步加上16个新增字段
         row_number() over(partition by id order by visit_date) as rn
  from table.name
  where clean_url like "%.com/blog/%"
) t
where rn = 1 -- 只取用户首次访问对应的维度记录
group by year, -- 同步加上16个新增字段

这样每个用户只会在首次访问的维度分组里被统计一次，后续按year汇总的结果会和脚本1的准确值一致。

需求B：统计各细分维度（含16个字段）下的独立用户数

这种情况下，sum结果大于年总用户数是正常现象——因为同一个用户可能出现在多个维度分组中（比如同一用户在不同月份、不同字段值下都有访问）。如果业务就是需要统计每个分组的独立用户数，那当前的逻辑是正确的，无需修改；如果是误将「分组用户数之和」等同于「年总用户数」，那需要调整需求认知，两者本身就不是同一个指标。

内容的提问来源于stack exchange，提问作者DoggedFox