Ответ.

История вопроса

Отчёты по уникальным пользователям необходимы для аналитики и статистики. Однако в реальных данных часто встречаются дубликаты аккаунтов, NULL-значения (например, неуказанный email), и требуется учитывать различные критерии (например, уникальность по имени, почте, ip, а иногда их комбинации).

Проблема

Типичная ошибка — считать COUNT(DISTINCT user_id), не учитывая, что в нужных столбцах есть NULL или неочевидные дубликаты (например, один человек с разными email, или несколько строк с одним user_id и разным статусом). Сложные запросы с GROUP BY могут давать неверный результат, если не продумана логика уникальности.

Решение

Важно объединять конструкции DISTINCT, GROUP BY и фильтрацию NULL. Иногда требуется предварительно подготовить данные в CTE или вложенном подзапросе, сгруппировав по нужному множеству признаков.

Пример кода:

-- Подсчет уникальных пользователей по email и ip, игнорируя NULL
SELECT COUNT(*) AS unique_users
FROM (
    SELECT DISTINCT email, ip_address
    FROM users
    WHERE email IS NOT NULL AND ip_address IS NOT NULL
) u;

Ключевые особенности:

DISTINCT не учитывает строки с NULL в любом из перечисленных столбцов
Для кросс-группировки лучше использовать GROUP BY по комбинации полей
При работе с дубликатами данные часто нужно предварительно "очистить"

Вопросы с подвохом.

COUNT(DISTINCT ...) учитывает строки с NULL?

Нет: если хотя бы один из столбцов в списке DISTINCT имеет значение NULL, такая комбинация считается отдельной уникальной (NULL не равен NULL по SQL-стандарту). Обычно удобнее сперва убрать NULL фильтрацией.

Можно ли сравнивать NULL с NULL через DISTINCT?

В SQL каждая пара NULL-значений считается разной, поэтому каждая строка с NULL в любом из колонок будет считаться отдельной. Нужно применять фильтрацию через IS NOT NULL.

GROUP BY всегда даёт такой же результат, как DISTINCT?

Нет: GROUP BY создаёт по одной строке на каждую неповторяющуюся комбинацию значений, а DISTINCT — просто удаляет дубликаты. В ряде случаев результат разный, особенно если применяется агрегация.

Типовые ошибки и анти-паттерны

Неочевидная фильтрация NULL-значений
Неявное дублирование данных перед агрегированием
Некорректная комбинация DISTINCT с агрегацией на разных уровнях иерархии

Пример из жизни

Негативный кейс

Бизнес-аналитик строит отчёт по уникальным клиентам через COUNT(DISTINCT user_id), а user_id в реальности может быть NULL или дублироваться (например, временные аккаунты). Фактическое число пользователей получается больше реального — искажённые показатели в отчёте.

Плюсы:

Быстрая реализация отчёта

Минусы:

Некорректные бизнес-решения из-за неверной метрики

Позитивный кейс

Аналитик предварительно очищает данные, отфильтровывает NULL и явные дубликаты в подзапросах, а также использует SET-операции для сложных критериев уникальности.