SQL中使用sum与group by分组如何仅保留每组首行去重

冗余根因定位 #

当前查询出现重复冗余行的核心原因是GROUP BY的分组字段和统计口径错配：

• 从SELECT字段的设计看，你本意是按「服务商、返现匹配日期、处理状态」为维度，聚合计算对应维度下的总返现金额
• 但分组语句中额外引入了f_created_time字段，同一统计维度下的每条原始记录创建时间存在细微差异，会直接把本该合并为同一组的统计结果拆成多行，形成无意义的冗余行

具体实现方法 #

根据「每个统计分组仅保留1行首行数据、剔除同维度冗余行」的目标，可根据实际业务场景选择对应方案：

1. 修正分组口径，从根源消除冗余
   直接从GROUP BY子句中移除不参与统计、且会导致拆分的f_created_time字段，让分组维度和SELECT的非聚合字段完全匹配：

   SELECT f_provider, SUM(f_rebate_amount) as total_cashback, 
          DATE(f_match_time) as match_time, f_status
   FROM rebate_history
   GROUP BY f_provider, DATE(f_match_time), f_status 
   

   这种方案适合无创建时间维度统计需求的场景，可直接把同维度下的所有返现金额合并为单行结果，不会出现多余拆分。
2. 自定义组内行序，筛选保留目标首行
   如果业务上需要基于原始记录的创建时间顺序筛选每组首行，可通过窗口函数给每个分组内的行做序号标记，仅保留序号为1的目标行：

   SELECT f_provider, total_cashback, match_time, f_status
   FROM (
       SELECT 
           f_provider, 
           SUM(f_rebate_amount) OVER (PARTITION BY f_provider, f_status, DATE(f_match_time)) as total_cashback, 
           DATE(f_match_time) as match_time, 
           f_status,
           -- 按创建时间排序标记组内行序号，根据「首行」定义调整排序方向
           ROW_NUMBER() OVER (
               PARTITION BY f_provider, f_status, DATE(f_match_time) 
               ORDER BY f_created_time DESC
           ) as row_seq
       FROM rebate_history
   ) t
   WHERE row_seq = 1
   

   说明：窗口函数内的ORDER BY方向可灵活调整——取最新创建的首行用DESC，取最早创建的首行用ASC。

内容的提问来源于stack exchange，提问作者user14747889