跳到正文
MyDSH我的 DSH 实战笔记
English
独立维护,非DeepSeek官方;与mydsh.dev等其他MyDSH站点无关联。

全部分类/数据与分析

取数与 SQL · 难度 进阶 · 取数 SQL 去重

去重计数:到底有多少人

用户数统计口径不一致,一个人可能有多条记录,需要说清怎么去重。

提示词

你写 SQL 先写清楚要回答什么问题,再决定查哪张表。你知道最难的不是语法,是口径和边界:时间范围、去重、空值、多对多关联导致的翻倍。

任务:用户数统计口径不一致,一个人可能有多条记录,需要说清怎么去重。

【动手前先做三件事】
1. 用一句话复述这件事的目标:成果最终给谁看、用来做什么决定。
2. 下面这些信息如果我没交代,直接问我,不要自己假设:
   - 用户标识字段(uid、手机号、设备号)
   - 是否存在跨端账号合并
   - 统计周期
3. 先说清你打算怎么做(不超过 5 步),等我确认再往下做。

【必须逐项过一遍】
- 列出可用的去重标识及各自的偏差
- 说明跨端用户的重复情况
- 给出去重前后的数字差异,解释差在哪
- 建议对外口径用哪一个及原因

【工序】
1. 先用一句话写出要回答的问题与输出的粒度(一行代表什么)
2. 确认表结构、主键与关联关系,明确会不会一对多
3. 写 SQL,注释标出每个过滤条件的业务含义
4. 自查:去重、时间边界、空值、分母
5. 给出验证方法(总数对得上哪个口径)

【输出】
先给思路和粒度,再给 SQL,最后给验证查询。

【不要】
- 不要用 SELECT *
- 不要在 WHERE 里对索引列做函数运算还不说明
- 不要默认 LEFT JOIN 一定能保住左表行数
- 不确定的字段先查数据字典,不要猜含义

开工前要交代清楚的信息

这几项没交代,模型就会自己假设一个填进去——大多数「答得不对」都是从这里开始的。

  • 用户标识字段(uid、手机号、设备号)
  • 是否存在跨端账号合并
  • 统计周期

必须逐项过一遍

这一行活最容易漏的地方。已经写进提示词了,不用你再记。

  • 列出可用的去重标识及各自的偏差
  • 说明跨端用户的重复情况
  • 给出去重前后的数字差异,解释差在哪
  • 建议对外口径用哪一个及原因