T-SQL技术问题：统计左连接左表行数及左连接去重实现

问题1：如何统计左连接中左表T1的行数？ #

左连接的特性是会保留左表T1的所有行，不管右表T2有没有匹配的数据，所以统计T1的行数分两种场景来处理：

• 如果想在查询结果的每一行都带上T1的总行数：
  可以用窗口函数 COUNT(T1.EMAIL) OVER ()，它会直接计算T1的所有行数（因为你的T1是用UNION拼接的，本身已经去重了，所以COUNT的结果就是唯一邮箱的数量）。把它加到你的查询里就行：

  SELECT 
    T1.EMAIL,
    T2.BILLG_STATE_CD,
    T2.BILLG_ZIP_CD,
    T2.ord_creatd_dt,
    COUNT(T1.EMAIL) OVER () AS T1_Total_Rows -- 新增这行统计左表总行数
  FROM (SELECT EMAIL FROM SJ_FPQ_Q1_19 
        UNION SELECT EMAIL FROM SJ_FPQ_Q2 
        UNION SELECT email AS EMAIL FROM Amber_10182019) AS T1 
  LEFT JOIN ORD_MSTR As T2 ON T1.EMAIL = T2.EMAIL_ADDR 
  WHERE T2.ord_creatd_dt > DATE '2018-01-01' AND T2.ord_creatd_dt < DATE '2019-11-08'
  

• 如果只是单纯想得到T1的总行数（不需要和连接结果一起返回）：
  直接查询T1的记录数就可以，简单直接：

  SELECT COUNT(*) AS T1_Total_Rows
  FROM (SELECT EMAIL FROM SJ_FPQ_Q1_19 
        UNION SELECT EMAIL FROM SJ_FPQ_Q2 
        UNION SELECT email AS EMAIL FROM Amber_10182019) AS T1
  

问题2：每个T1邮箱仅返回一条结果，处理T2的重复数据 #

你提到的PARTITION BY思路完全正确，只是可能没找对语法位置。这里核心是先给T2中每个邮箱的记录做排序标记，只保留最新的那一条，再和T1做连接。我给你两种可靠的实现方式：

方式1：用ROW_NUMBER()窗口函数（推荐，灵活处理多重复场景） #

这种方法可以精准控制取哪一条记录，比如最新订单，或者最大订单ID的记录：

SELECT 
  T1.EMAIL,
  T2_filtered.BILLG_STATE_CD,
  T2_filtered.BILLG_ZIP_CD,
  T2_filtered.ord_creatd_dt
FROM (
  SELECT EMAIL FROM SJ_FPQ_Q1_19 
  UNION SELECT EMAIL FROM SJ_FPQ_Q2 
  UNION SELECT email AS EMAIL FROM Amber_10182019
) AS T1 
LEFT JOIN (
  SELECT 
    EMAIL_ADDR,
    BILLG_STATE_CD,
    BILLG_ZIP_CD,
    ord_creatd_dt,
    -- 按邮箱分组，组内按订单日期降序排，最新的记录会被标记为1
    ROW_NUMBER() OVER (PARTITION BY EMAIL_ADDR ORDER BY ord_creatd_dt DESC) AS row_num
  FROM ORD_MSTR
  WHERE ord_creatd_dt > DATE '2018-01-01' AND ord_creatd_dt < DATE '2019-11-08'
) AS T2_filtered ON T1.EMAIL = T2_filtered.EMAIL_ADDR
-- 只保留每个邮箱的第一条记录，同时保留T1中无匹配的邮箱
WHERE T2_filtered.row_num = 1 OR T2_filtered.row_num IS NULL

如果遇到同一个邮箱同一天有多个订单的情况，你可以在ORDER BY里再加一个排序字段，比如ORDER BY ord_creatd_dt DESC, ORD_ID DESC，确保只取唯一的一条。

方式2：用MAX(ord_creatd_dt)关联 #

如果你更倾向于用MAX日期的方式，也可以先找出每个邮箱的最新订单日期，再回表关联T2获取地址信息：

SELECT 
  T1.EMAIL,
  T2.BILLG_STATE_CD,
  T2.BILLG_ZIP_CD,
  T2.ord_creatd_dt
FROM (
  SELECT EMAIL FROM SJ_FPQ_Q1_19 
  UNION SELECT EMAIL FROM SJ_FPQ_Q2 
  UNION SELECT email AS EMAIL FROM Amber_10182019
) AS T1 
LEFT JOIN (
  -- 先获取每个邮箱的最新订单日期
  SELECT EMAIL_ADDR, MAX(ord_creatd_dt) AS latest_dt
  FROM ORD_MSTR
  WHERE ord_creatd_dt > DATE '2018-01-01' AND ord_creatd_dt < DATE '2019-11-08'
  GROUP BY EMAIL_ADDR
) AS T2_max ON T1.EMAIL = T2_max.EMAIL_ADDR
-- 关联回T2拿到对应的地址数据
LEFT JOIN ORD_MSTR AS T2 ON T2_max.EMAIL_ADDR = T2.EMAIL_ADDR AND T2_max.latest_dt = T2.ord_creatd_dt

不过这种方法要注意，如果同一个邮箱在latest_dt当天有多个订单，还是会返回多条记录，这时候就需要额外的过滤条件，或者改用第一种方式更稳妥。

内容的提问来源于stack exchange，提问作者Amber Williams