SQL查询中按用户维度统计关联映射的不同DeviceCode计数实现
分步骤实现用户-设备去重统计
核心逻辑
由于用户值分散存储在User1、User2两个独立列,无法直接基于单字段分组统计跨列的用户关联关系,需要先将两列的用户与对应设备码的关联关系拆平为统一格式的数据集,再完成去重计数。
具体实现SQL
将下方代码中的your_table_name替换为实际的业务表名即可直接运行:
SELECT username, COUNT(DISTINCT DeviceCode) AS distinct_device_count FROM ( -- 提取User1列的有效用户关联 SELECT User1 AS username, DeviceCode FROM your_table_name WHERE User1 IS NOT NULL AND TRIM(User1) != '' UNION ALL -- 提取User2列的有效用户关联 SELECT User2 AS username, DeviceCode FROM your_table_name WHERE User2 IS NOT NULL AND TRIM(User2) != '' ) AS flat_user_device GROUP BY username;
落地注意事项
- 无效值过滤:查询中加入
TRIM(字段) != ''判断,可排除仅包含空格的空用户记录,避免生成无意义的空用户统计分组 - 重复值兼容:统计阶段使用
COUNT(DISTINCT DeviceCode),可完全覆盖“同一用户跨列出现、关联重复DeviceCode”的现有数据场景,重复的设备码只会被计数一次 - 语法选择:拆平数据集时使用
UNION ALL而非UNION,避免中间过程做全量数据去重消耗额外性能,最终的设备去重逻辑放在外层统计阶段完成,查询效率更高 - 性能优化:如果表数据量较大(10万行以上),建议提前为
User1、User2字段建立普通索引,减少全表扫描的查询耗时 - 结果校验:正式生成统计结果前,可单独运行子查询部分的拆平逻辑,核对提取的用户-设备关联数是否和实际业务数据一致,避免漏算、错算
内容的提问来源于stack exchange,提问作者Alok
相关产品推荐
相关产品推荐

