SQL非空行统计替代查询咨询及客户ID重复计数风险排查

1. 统计表中非空customer_id行的替代SQL查询 #

你当前的查询里DISTINCT和COUNT(*)搭配没有意义，COUNT(*)会统计所有符合WHERE条件的行，DISTINCT在这里起不到任何作用。

根据不同需求，有两种更合理的替代写法：

• 若要统计customer_id非空的总行数（所有购买记录的条数，不管客户是否重复）：

SELECT COUNT(customer_id) AS count_all
FROM movies;

COUNT(列名)会自动忽略该列的NULL值，所以无需额外添加WHERE customer_id IS NOT NULL。

• 若要统计有购买行为的不同客户数量（去重后的客户数）：

SELECT COUNT(DISTINCT customer_id) AS unique_customers
FROM movies;

同样，COUNT(DISTINCT 列名)会自动忽略NULL值，不需要WHERE子句。

2. 带空格与无空格的customer_id的重复计数风险 #

你的判断是对的。数据库对字符串采用严格匹配规则，比如'123'、' 123'（前缀空格）、'123 '（后缀空格）会被判定为不同的值，用COUNT(DISTINCT customer_id)统计时会被分别计数，导致同一个实际客户被重复统计。

解决这个问题的核心是统一处理空格：

• 去除首尾空格：多数数据库支持TRIM()函数（SQL Server需用LTRIM(RTRIM())），示例：

SELECT COUNT(DISTINCT TRIM(customer_id)) AS unique_customers
FROM movies;

• 若要去除所有空格（包括中间），可使用REPLACE(customer_id, ' ', '')，但要确认业务逻辑是否允许（比如部分ID可能包含合法空格）。

3. 当前统计购买电影客户数量的SQL问题 #

你当前使用的查询：

SELECT DISTINCT
    COUNT(*) As count_all
FROM 
    movies
WHERE 
    customer_id is not NULL;

存在两个关键问题：

1. DISTINCT完全无效：查询结果只有一行（COUNT的统计值），DISTINCT对单行结果没有任何影响。
2. 统计逻辑不符合需求：COUNT(*)统计的是customer_id非空的行数，而非不同客户的数量。如果同一个客户多次购买，会被重复计数。

如果要统计不同客户的数量，改用COUNT(DISTINCT customer_id)的写法；如果只是统计购买记录的总条数，用COUNT(customer_id)即可。

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