Snowflake中GROUP BY返回错误计数问题咨询

原始查询结果中仅存在唯一一行数据：

ID   ACCOUNT_NUMBER  DATE_1       DATE_2
123  347             2017-10-19   2017-10-29

执行以下GROUP BY统计语句：

SELECT DISTINCT ID, ACCOUNT_NUMBER, DATE_1, DATE_2, COUNT(*) 
FROM TABLE GROUP BY 1, 2, 3, 4;

得到的结果中该行的COUNT(*)值为3，但预期应为1，请问异常原因是什么？

出现这种情况最常见的原因有两种，结合Snowflake的特性，优先级从高到低：

• 原表实际存在3条完全重复的记录，你查看数据时用了去重逻辑
  你看到的“唯一数据行”可能是通过SELECT DISTINCT语句，或者查询工具自带的去重显示功能得到的，但原表中其实有3条ID、ACCOUNT_NUMBER、DATE_1、DATE_2完全一致的记录。当执行GROUP BY时，这3条会被归为同一组，COUNT(*)自然返回3。

• 日期字段存在隐性精度/时区差异，显示时被统一格式化
  如果DATE_1或DATE_2实际是TIMESTAMP类型（而非纯DATE类型），Snowflake会存储到毫秒级精度，但默认查询展示时可能只显示年月日部分。比如3条记录的DATE_1分别是2017-10-19 00:00:00.000、2017-10-19 01:00:00.000、2017-10-19 02:00:00.000，但查询工具把它们格式化显示为2017-10-19，导致你误以为是同一行。不过这种情况只有当你在GROUP BY时对TIMESTAMP字段做了CAST转换为DATE才会归为同一组，如果直接按原始TIMESTAMP分组，会分成3组，每组COUNT(*)为1，所以这种情况概率低于第一种。

验证方法 #

• 执行SELECT COUNT(*) FROM TABLE;，如果返回3，说明原表确实有3条重复记录；
• 执行SELECT ID, ACCOUNT_NUMBER, TO_CHAR(DATE_1, 'YYYY-MM-DD HH24:MI:SS.FF3'), TO_CHAR(DATE_2, 'YYYY-MM-DD HH24:MI:SS.FF3') FROM TABLE;，查看日期字段的完整精度值，确认是否存在隐性差异。

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