日活（DAU）按天去重用户数，即用DATE()截日期后对user_id做COUNT(DISTINCT)；周活（WAU）分自然周（如YEARWEEK(event_time,1)）和滚动7天（如event_time≥'2024-01-04'）。
日活（DAU）怎么算：按天去重用户数
日活本质是统计某一天内有行为的独立用户数量，关键在「当天」和「去重」。用 DATE() 或数据库特有日期截断函数把时间字段转成日期，再对用户 ID 做 COUNT(DISTINCT user_id)。
常见错误是直接 COUNT(user_id) —— 这会把同一用户多次访问算成多条，结果虚高；或者用 GROUP BY event_time（带时分秒），导致同一天多个时间点被拆成多组。
- MySQL 示例：
SELECT DATE(event_time) AS dt, COUNT(DISTINCT user_id) AS dau FROM events WHERE event_time >= '2024-01-01' GROUP BY DATE(event_time);
- PostgreSQL 要用
event_time::date，而不是DATE(event_time) - 注意时区：如果
event_time是 UTC，而业务按北京时间算日活，得先AT TIME ZONE 'Asia/Shanghai'再截日期
周活（WAU）怎么算：按自然周或滚动 7 天？
周活有两种主流口径：一种是自然周（周一到周日），一种是滚动 7 天（比如今天往前推 7 天）。自然周适合看趋势对比，滚动周更反映近期活跃水位。
自然周计算依赖数据库的周起始设定（MySQL 默认周日为一周开始，PostgreSQL 默认周一），容易出错。建议显式控制起始日。
- MySQL 自然周（周一为起点）：
SELECT YEARWEEK(event_time, 1) AS week_id, COUNT(DISTINCT user_id) AS wau FROM events GROUP BY week_id;
其中1表示周一为每周第一天 - 滚动 7 天 WAU（以 2024-01-10 为例）：
SELECT COUNT(DISTINCT user_id) AS wau FROM events WHERE event_time >= '2024-01-04' AND event_time < '2024-01-11';
- 别用
BETWEEN包含右边界，避免跨天数据重复计入多个滚动窗口
月活（MAU）要注意时间边界和性能
月活通常是自然月（1 号到月末最后一天），但要注意不同月份天数不同，不能简单写死日期范围。另外，大表上 COUNT(DISTINCT) 容易慢，尤其用户量超千万时。
- 安全写法（MySQL）：
SELECT YEAR(event_time) AS y, MONTH(event_time) AS m, COUNT(DISTINCT user_id) AS mau FROM events GROUP BY y, m;
比拼接CONCAT(YEAR(), '-', MONTH())更利于索引下推 - 如果表有分区（按月分区），确保
WHERE条件能命中分区，否则全表扫描 - 用户 ID 是字符串且很长（如 UUID），
COUNT(DISTINCT)内存开销大，可考虑采样估算（如 HyperLogLog，PostgreSQL 的HLL扩展或 ClickHouse 的uniq()）
一个 SQL 同时查 DAU/WAU/MAU：小心逻辑陷阱
想在一个查询里输出某天的 DAU、对应周的 WAU、对应月的 MAU，不能简单用多个 COUNT(DISTINCT) 套在同一层 GROUP BY DATE() 下——因为 WAU 和 MAU 的时间范围远大于当天，会导致聚合逻辑混乱。
正确做法是用子查询或 CTE 分别计算，再通过日期字段关联。否则会出现 WAU/MAU 数值异常偏小（只统计了当天用户的周/月行为）或偏大（漏了 JOIN 条件）。
- 推荐结构（以 PostgreSQL 为例）：
WITH dau AS (SELECT DATE(event_time) AS dt, COUNT(DISTINCT user_id) AS val FROM events GROUP BY 1),
wau AS (SELECT DATE(event_time) AS dt, COUNT(DISTINCT user_id) OVER (PARTITION BY DATE_TRUNC('week', event_time)) AS val FROM events),
mau AS (SELECT DATE(event_time) AS dt, COUNT(DISTINCT user_id) OVER (PARTITION BY DATE_TRUNC('month', event_time)) AS val FROM events)
SELECT d.dt, d.val AS dau, w.val AS wau, m.val AS mau FROM dau d JOIN wau w ON d.dt = w.dt JOIN mau m ON d.dt = m.dt; - 注意：窗口函数版 WAU/MAU 在大数据量下可能内存暴涨，生产环境优先用预聚合表或物化视图
- 别忽略 NULL 用户 ID：加
WHERE user_id IS NOT NULL，否则COUNT(DISTINCT)会把 NULL 当作一个有效值
