MySQL COUNT(DISTINCT) 忽略 NULL 时如何统计缺失值

报表要统计“有多少个不同客户”时，COUNT(DISTINCT customer_id) 返回的只是非 NULL 客户数量。它不会把缺失值当成一个客户，也不会把每一行缺失记录都算进去。若业务要把“未填写客户”作为一个独立类别，需要在查询中明确补回一个 NULL 桶。

官方地址：https://dev.mysql.com/doc/refman/8.4/en/

先把三个“数”分开：非空去重、缺失行、缺失桶

假设订单表是 orders，其中 customer_id 允许为空。下面这组数据里，客户 101 出现两次，客户 102 出现一次，还有两条订单没有客户编号：

-- 建立一组最小示例，NULL 表示订单没有关联客户
CREATE TEMPORARY TABLE orders (
  order_id INT PRIMARY KEY,
  store_id INT NOT NULL,
  customer_id INT NULL
);

-- 101 重复出现，NULL 出现两次，便于区分三种统计口径
INSERT INTO orders (order_id, store_id, customer_id) VALUES
  (1, 10, 101), (2, 10, 101), (3, 10, NULL),
  (4, 10, 102), (5, 10, NULL);

此时可以把需求拆成三问：已知客户有几个、缺失订单有几行、把“缺失客户”作为一个类别后共有几类。

用缺失桶公式补回一个 NULL

如果报表要回答“每个门店覆盖了多少种客户状态”，可以把是否存在 NULL 转成 0 或 1，再加到非空去重数上：

-- COUNT(*) 统计行数，COUNT(customer_id) 只统计非 NULL 客户
SELECT
  COUNT(DISTINCT customer_id)
    + (COUNT(*) > COUNT(customer_id)) AS customer_bucket_count
FROM orders;
-- 101、102 加上一个 NULL 桶，结果为 3

这里的布尔表达式在 MySQL 中会转成 1 或 0：两者不相等，说明至少有一行 customer_id 为 NULL。空结果集的两个 COUNT 都是 0，表达式不会凭空创建 NULL 桶，这正是通常想要的边界。

不要直接把 NULL 替换成一个看似不会出现的数字或字符串，除非这个哨兵值已经被约束保证永不出现在真实数据里。否则真实客户编号恰好等于哨兵值时，去重结果会少算一个类别；字符串列还可能触发隐式类型转换。

分组统计时，让每个分组独立判断 NULL

把查询按 store_id 分组后，缺失判断必须和聚合一起发生在当前分组内：

-- 每个门店分别计算已知客户、缺失行和 NULL 桶
SELECT
  store_id,
  COUNT(DISTINCT customer_id) AS known_customer_count,
  SUM(customer_id IS NULL) AS missing_order_count,
  COUNT(DISTINCT customer_id)
    + (COUNT(*) > COUNT(customer_id)) AS customer_bucket_count
FROM orders
GROUP BY store_id;
-- 不同门店的 NULL 不会被合并，缺失桶只在本门店存在时加 1

COUNT(*) 和 COUNT(customer_id) 都受到同一个 WHERE 条件影响，所以筛选日期、订单状态或门店后再做比较，口径仍然一致。若把全表的 NULL 判断放到分组查询外，就可能给没有缺失值的门店也加上一个桶。

需要稳定通用写法时使用 DISTINCT 子查询

MySQL 的 DISTINCT 会把多个 NULL 视为同一个去重值，因此可以先取唯一值，再统计子查询行数：

-- 子查询保留非 NULL 唯一客户，同时保留一个 NULL 行
SELECT COUNT(*) AS customer_bucket_count
FROM (
  SELECT DISTINCT customer_id
  FROM orders
) AS unique_customer_values;
-- 子查询的 NULL 只保留一行，结果仍为 3

这种写法更贴近“去重后的值集合有多少行”，适合需要继续查看唯一值集合、或不想维护哨兵值约定的场景。若还要按门店统计，可把 store_id 一并放进子查询的选择列表，再按业务定义决定是统计“门店-客户组合”还是每个门店内部的客户类别。

上线前用口径清单检查查询

• 问题问的是“已知客户数”还是“客户状态类别数”？前者用 COUNT(DISTINCT customer_id)，后者才补 NULL 桶。
• 问题问的是缺失记录量，使用 SUM(customer_id IS NULL)，不要把它和唯一值数量混用。
• 确认 NULL 与空字符串、0、未知客户编号是不同业务状态；COALESCE 不会自动替你定义业务含义。
• 分组、过滤和连接后再聚合，确保三个 COUNT 表达式看到的是同一批行。

相关问题

COUNT(column) 和 COUNT(*) 有什么区别？

COUNT(*) 统计筛选后的行数；COUNT(column) 只统计该列非 NULL 的行。判断一组数据是否出现 NULL 时，常比较两者。

NULL 和空字符串会被 COUNT(DISTINCT) 一起忽略吗？

不会。NULL 是缺失值，空字符串是一个实际字符串值；对字符列来说，空字符串可以作为一个非 NULL 的唯一值参与统计。

为什么不总是用 COALESCE(customer_id, -1)？

因为 -1 可能是合法值，且不同列类型需要不同哨兵值。若没有严格约束，优先用“存在 NULL 加一”或 DISTINCT 子查询表达真实口径。