SQL中使用GROUP BY与DISTINCT计算列SUM()结果异常问题

我编写了如下查询语句：

select distinct ProdQty, JobCompletionDate, JobHead.JobNum from erp.JobHead 
inner join erp.LaborDtl on JobHead.JobNum = LaborDtl.JobNum and JobHead.Company = LaborDtl.Company
where JobCompletionDate = '2022-01-04' and JobHead.Company = 'TD' and LaborDtl.JCDept ='MS'

该语句可返回指定JobCompletionDate下，每个JobNum对应的ProdQty值，以下是返回结果的片段：

此处未粘贴完整结果表，核心逻辑清晰：我在查询中使用distinct是因为ProdQty通常存在重复条目，该关键字可剔除重复记录。

接下来我需要按JobCompletionDate执行GROUP BY分组，统计对应日期下ProdQty的总和，但对ProdQty字段使用SUM()时遇到问题：我通过Excel或计算器手动累加该列数值，得到正确结果为7201，但执行如下查询时：

select sum(distinct ProdQty) from erp.JobHead 
inner join erp.LaborDtl on JobHead.JobNum = LaborDtl.JobNum and JobHead.Company = LaborDtl.Company
where JobCompletionDate = '2022-01-04' and JobHead.Company = 'TD' and LaborDtl.JCDept ='MS'
group by JobCompletionDate

返回的结果为6660，与正确值不符。请问该问题产生的原因是什么？我的SQL写法存在什么错误？

• 核心错误是误用了SUM(DISTINCT 字段)语法：该语法的执行逻辑是对结果集中的ProdQty值做全局去重，相同数值仅保留1次参与求和，而非你预期的「先剔除重复的整行记录，再对保留行的ProdQty求和」。
• 举个最直观的例子：如果两个不同JobNum的工单ProdQty都是12，SUM(DISTINCT ProdQty)只会把这个12计算1次，而你手动累加时两个工单的12会合计为24，结果必然偏小。你得到的6660比正确值少541，就是所有重复出现的ProdQty值被少算的总和。
• 你最初写SELECT DISTINCT ProdQty, JobCompletionDate, JobHead.JobNum时，去重判断依据是三个字段的组合值：只要JobNum不同，哪怕ProdQty、JobCompletionDate完全一致，也会被判定为不同记录保留，这才是你需要的去重效果——你本来要剔除的是联表时一对多关系带出来的同一个JobNum的重复行，不是把生产数量相同的不同工单合并计算。

不要在SUM函数内加DISTINCT，先完成行级去重再做聚合，两种常用写法都可以得到正确结果：

1. 基于你最初的去重逻辑套一层子查询求和

select sum(ProdQty) from (
    select distinct ProdQty, JobCompletionDate, JobHead.JobNum 
    from erp.JobHead 
    inner join erp.LaborDtl on JobHead.JobNum = LaborDtl.JobNum and JobHead.Company = LaborDtl.Company
    where JobCompletionDate = '2022-01-04' and JobHead.Company = 'TD' and LaborDtl.JCDept ='MS'
) t
group by JobCompletionDate

2. 先按工单维度聚合去重再求和（大表场景下性能更优）

select sum(ProdQty) from (
    select max(ProdQty) as ProdQty, JobCompletionDate
    from erp.JobHead 
    inner join erp.LaborDtl on JobHead.JobNum = LaborDtl.JobNum and JobHead.Company = LaborDtl.Company
    where JobCompletionDate = '2022-01-04' and JobHead.Company = 'TD' and LaborDtl.JCDept ='MS'
    group by JobHead.JobNum, JobCompletionDate
) t
group by JobCompletionDate

额外说明：你一开始需要加DISTINCT的根本原因，是LaborDtl表中同一个JobNum可能对应多条符合JCDept='MS'的记录，联表时会把JobHead的单条工单记录复制多份。如果业务上能保证每个符合筛选条件的JobNum在LaborDtl中仅对应1条记录，从根源上避免一对多联表产生的重复行，就不需要额外加去重逻辑。

内容的提问来源于stack exchange，提问作者Avery1