mysql 5.7启用only_full_group_by后，select中非聚合字段必须在group by中出现或用聚合函数处理；count(*)统计所有行（含null），count(列名)仅统计该列非null值；日期范围建议用左闭右开避免丢失时间精度。
GROUP BY 后字段必须出现在 SELECT 或聚合函数里
MySQL 5.7 默认开启 ONLY_FULL_GROUP_BY 模式，直接写 SELECT user_id, name FROM orders GROUP BY user_id 会报错：Expression #2 of SELECT list is not in GROUP BY clause。这不是语法写错了，是 SQL 标准在强制你明确“每个分组里 name 取哪个值”。
常见错误是以为加个 ANY_VALUE(name) 就万事大吉——它确实能绕过报错，但结果不可预测，尤其当 name 在同一 user_id 下有多个值时，ANY_VALUE 随机返回一个，线上统计可能忽高忽低。
- 真要取某个确定值：用
MAX(name)或MIN(name)（前提是 name 是字符串且你接受字典序逻辑） - 要取最新一条的 name：先用子查询或窗口函数标记顺序，再关联取值，别硬套
ANY_VALUE - 确认是否真需要非分组字段：很多场景其实只需要
SELECT user_id, COUNT(*)，多选字段反而暴露数据不一致风险
COUNT(*)、COUNT(1)、COUNT(列名) 行为完全不同
COUNT(*) 统计行数，包括 NULL；COUNT(1) 和 COUNT(*) 在绝大多数引擎里执行计划一致，性能没差别；但 COUNT(列名) 只统计该列非 NULL 的行——这点常被忽略，导致漏统。
比如统计“下单用户数”，用 COUNT(user_id) 看似合理，但如果订单表里存在 user_id IS NULL 的测试单或匿名单，这部分就被排除了；而业务上往往要求“所有订单都算进总量”，此时必须用 COUNT(*)。
- 查去重数量？用
COUNT(DISTINCT user_id)，别写成COUNT(user_id)再自己去重 - 配合 WHERE 时注意 NULL：如果条件是
WHERE status = 'paid'，那COUNT(*)和COUNT(status)结果一样；但若 status 允许 NULL，且你想排除未设置状态的记录，就得显式写WHERE status IS NOT NULL AND status = 'paid'
日期范围统计别只靠 BETWEEN
BETWEEN '2024-01-01' AND '2024-01-31' 看起来覆盖整月，但如果字段是 DATETIME 类型，它实际只查到 '2024-01-31 00:00:00'，当天下午的订单就丢了。
华友协同办公管理系统(华友OA)，基于微软最新的.net 2.0平台和SQL Server数据库，集成强大的Ajax技术，采用多层分布式架构，实现统一办公平台，功能强大、价格便宜，是适用于企事业单位的通用型网络协同办公系统。 系统秉承协同办公的思想，集成即时通讯、日记管理、通知管理、邮件管理、新闻、考勤管理、短信管理、个人文件柜、日程安排、工作计划、工作日清、通讯录、公文流转、论坛、在线调查、
更稳妥写法是用左闭右开区间：created_at >= '2024-01-01' AND created_at 。这样不管字段精度是秒还是毫秒，逻辑都清晰，也方便索引生效。
- 用
DATE(created_at) = '2024-01-01'最省事，但会导致全表扫描——DATE()函数让索引失效 - 跨时区要注意：数据库时区、连接时区、应用层传入时间三者不一致时，
'2024-01-01'可能对应不同物理时刻，建议统一转成 UTC 存储和查询
JOIN 后 COUNT 容易重复计数
想统计每个用户的订单数和最近一次订单时间，写 SELECT u.id, COUNT(o.id), MAX(o.created_at) FROM users u LEFT JOIN orders o ON u.id = o.user_id GROUP BY u.id ——看着没问题，但如果一个用户有 5 条订单，又关联了 3 条地址记录，COUNT(o.id) 就会变成 15。
根本原因是 JOIN 扩展了行数，GROUP BY 前已经产生笛卡尔积。不是加个 DISTINCT 就能解决（COUNT(DISTINCT o.id) 可以，但性能差，且不能用于其他聚合如 SUM）。
- 优先用子查询：先聚合订单表得到
user_id → order_count, last_order_time，再和 users 表 JOIN - 用窗口函数（MySQL 8.0+）：在 orders 表里按 user_id 分组生成序号，再外层筛选 row_num = 1 的记录
- LEFT JOIN 多张表时，务必检查每张表的关联基数，一张一对多，后面再接一对多，爆炸式增长就来了
复杂统计最麻烦的从来不是写法，而是搞清“这一行到底代表什么业务含义”。JOIN + GROUP BY 套两层以后，得拿几条真实数据手算一遍，否则上线才发现总数翻倍，没人信你只是少写了括号。
