Snowflake中GROUP BY按别名与位置引用结果不同的原因排查

1. 标识符解析优先级导致的别名歧义 #

这是最常见的核心原因：Snowflake在解析GROUP BY子句时，会优先匹配FROM子句中表的原始字段名，而非SELECT子句定义的别名。如果你的SELECT别名恰好和原始表中的某个字段同名，GROUP BY 别名会按原始表字段分组，而GROUP BY 位置序号则严格对应SELECT子句中该位置的表达式，二者分组维度完全不同，最终返回的记录数自然差异巨大。

举个实际场景：
假设原始表user_data包含字段hash，你执行以下查询：

-- 查询1：用别名分组
SELECT MD5(user_id) AS hash, username, age, city, occupation
FROM user_data
GROUP BY hash, username, age, city, occupation;

这里的GROUP BY hash实际是按原始表的hash字段分组，而非你定义的MD5(user_id)别名。而对应的位置序号查询：

-- 查询2：用位置序号分组
SELECT MD5(user_id) AS hash, username, age, city, occupation
FROM user_data
GROUP BY 1,2,3,4,5;

GROUP BY 1是按SELECT第一个字段（即MD5(user_id)）分组，两个查询的分组逻辑完全不一致，记录数差异由此产生。

2. 隐式类型转换或表达式差异 #

如果SELECT子句中某个别名对应的表达式，与你默认的分组字段存在类型转换或计算差异，也会导致结果不同：

• 比如你写了CAST(age AS VARCHAR) AS age作为SELECT字段，然后GROUP BY age，若原始表的age是INT类型，此时GROUP BY age会按原始INT类型的age分组；而GROUP BY 2则按CAST后的VARCHAR类型分组，两者的分组粒度（比如INT的25和VARCHAR的'25'是否被视为同一组）可能因数据情况出现差异。
• 若SELECT表达式包含复杂计算（比如SUBSTR(email, 1, 5) AS email_prefix），而你误将别名email_prefix当作原始表的email字段分组，也会和位置序号的分组逻辑产生偏差。

3. 聚合函数别名的误用 #

如果你的SELECT子句中包含聚合函数并给其起了别名（比如SUM(score) AS total_score），然后尝试GROUP BY total_score，这时候分组的是聚合后的结果而非原始字段。而GROUP BY 位置序号对应的是聚合函数本身，虽然逻辑上看似一致，但如果聚合后的结果存在大量重复值，或者你误将聚合别名当成原始字段分组，也可能导致记录数差异（不过这种情况通常伴随逻辑上的不合理，比如对聚合结果再分组）。

内容的提问来源于stack exchange，提问作者Maile Cupo