COUNT(DISTINCT 列名)用于统计非空唯一值的数量，如SELECT COUNT(DISTINCT city) FROM users返回不重复城市数；NULL值被自动忽略，多列去重需用子查询实现，大数据量时建议建索引或使用近似函数优化性能。
在使用 SQL 的 COUNT(DISTINCT column_name) 时，核心是统计某一列中非重复值的个数。它常用于去重计数，比如统计不同用户、不同地区或不同类别的数量。
基本语法和作用
COUNT(DISTINCT 列名) 只会计算该列中唯一且非 NULL 的值出现的次数。例如：
SELECT COUNT(DISTINCT city) FROM users;这句查询会返回 users 表中不重复的城市数量。如果 city 列有 "北京"、"上海"、"北京"、"广州"，结果就是 3。
注意 NULL 值的影响
DISTINCT 会自动忽略 NULL 值。也就是说，即使某列有很多 NULL，它们不会被计入去重结果中。例如：
SELECT COUNT(DISTINCT email) FROM users;如果 email 列中有重复邮箱还有多个 NULL，NULL 不参与计数，只统计不同的非空邮箱数量。
多列去重怎么办？
SQL 标准不支持直接写 COUNT(DISTINCT col1, col2)（MySQL 支持，但其他数据库如 PostgreSQL、Oracle 不行）。正确做法是使用子查询：
SELECT COUNT(*) FROM (SELECT DISTINCT department, role FROM employees
) AS unique_combinations;
先用 DISTINCT 找出两列组合的唯一行，再对外层计数。这是跨数据库通用的写法。
性能优化建议
当数据量大时，COUNT(DISTINCT) 可能变慢，因为需要排序或哈希去重。可以考虑：
- 确保被统计的列有索引（尤其是单列场景）
- 避免在大表上频繁执行高基数（high cardinality）的去重计数
- 必要时用近似函数，如 Hive 中的 APPROX_COUNT_DISTINCT
基本上就这些。只要理解它只算“非空且唯一”的值，并掌握多列处理方式，就能正确使用。实际写的时候先测试小数据，确认逻辑无误再上线。
