多列分组生成聚合表后，求和uv列数值偏高的问题求助

你遇到的核心问题是重复计数：原始表中同一个visit_id可能对应多个不同的ID、pages、post_evar10/205/5组合，在构建聚合表temp.xy时，这个visit_id会被分到多个分组中，每个分组的uv都会将其统计一次。当你后续执行sum(uv)时，就把同一个访客多次累加，导致结果远高于正确值。

根据你的需求（生成聚合表供Tableau导入，同时保证统计准确），提供两种可行方案：

方案一：修改聚合表查询逻辑，二次聚合时重新去重 #

不需要调整聚合表temp.xy的构建逻辑，直接在查询时改用count(distinct visit_id)而非sum(uv)：

select post_evar8, MY, count(distinct visit_id) as uv
from temp.xy
where MY >= 202110 and MY <= 202112 
group by post_evar8, MY;

这种方法的好处是无需重构聚合表，且聚合表已经过滤了原始表中的重复行（同一维度组合下的多条记录），数据量远小于原始表，适合Tableau导入。

方案二：重构聚合表，先按访客维度去重 #

如果希望聚合表本身能支持更灵活的分析，可先对原始表按MY+visit_id去重，确保每个访客在每个月份只保留一条维度记录，再构建聚合表：

步骤1：生成访客维度快照表 #

create table temp.visit_dim as
select 
    MY,
    visit_id,
    -- 注意：如果一个visit_id对应多个同维度值（比如多个pages），需根据业务规则选择聚合方式
    -- 示例用max取最大值，也可使用collect_set聚合所有值，或取首次/末次出现的值
    max(ID) as ID,
    max(pages) as pages,
    max(post_evar10) as post_evar10,
    max(post_evar205) as post_evar205,
    max(post_evar8) as post_evar8,
    max(post_evar5) as post_evar5
from temp.raw_data
group by MY, visit_id;

步骤2：基于快照表构建聚合表 #

create table temp.xy as
select 
    MY,
    ID,
    pages,
    post_evar10,
    post_evar205,
    post_evar8,
    post_evar5,
    count(distinct visit_id) as uv
from temp.visit_dim
group by MY, ID, pages, post_evar10, post_evar205, post_evar8, post_evar5;

步骤3：查询聚合表获取正确UV #

此时无论是count(distinct visit_id)还是sum(uv)（因为每个visit_id在聚合表中仅出现一次）都能得到正确结果：

select post_evar8, MY, sum(uv) as uv
from temp.xy
where MY >= 202110 and MY <= 202112 
group by post_evar8, MY;

内容的提问来源于stack exchange，提问作者NewCode