统计非空字段数量是SQL开发中常见却容易踩坑的需求。COUNT函数在不同写法下的统计口径并不相同，很多报表数字对不上恰恰是忽略了它的特性。COUNT(字段名)会跳过该列中的NULL值，只统计有实际数据的行；COUNT(*)则统计结果集的总行数，不关心列里是否为空。理解了这层差异之后，再进行多列非空统计、条件统计或者分组统计，就能避免很多隐性的数据偏差。本文围绕COUNT函数的NULL处理机制展开，结合常见数据库的行为差异，给出几种实用的统计写法。
COUNT函数的参数形式与NULL处理机制
SQL标准里COUNT函数支持多种参数形式，其中最常见的是COUNT(*)、COUNT(1)、COUNT(字段名)和COUNT(DISTINCT 字段名)。它们返回的结果并不总是一样。COUNT(*)与COUNT(1)在主流数据库中基本等价，都统计结果集的行数，即使某一行所有列都是NULL，也会被计入。COUNT(字段名)则不同，它只计算该字段值不为NULL的行数，遇到NULL值时直接跳过。这个行为是SQL标准规定的，MySQL、PostgreSQL、SQL Server、Oracle都遵循同样的规则。
例如有一张用户信息表，里面既有昵称也有邮箱，有些用户没有填写邮箱，有些用户两项都没填。如果直接用COUNT(*)查总人数，得到的是全部用户数；如果分别用COUNT(nickname)和COUNT(email)统计，得到的就是填写了昵称的人数和填写了邮箱的人数。这种差异在统计报表中非常关键，一旦误用COUNT(字段名)来统计总行数，就会漏掉那些该字段为空的行。反过来，如果需要统计某个字段的填写率，用COUNT(字段名)除以COUNT(*)就是正确的口径。
来看一个简单的示例：
CREATE TABLE user_info (
id INT PRIMARY KEY,
nickname VARCHAR(50),
email VARCHAR(100)
);
INSERT INTO user_info VALUES
(1, 'Alice', 'alice@ipipp.com'),
(2, 'Bob', NULL),
(3, NULL, NULL),
(4, 'David', 'david@ipipp.com');
SELECT
COUNT(*) AS total_rows,
COUNT(nickname) AS non_null_nickname,
COUNT(email) AS non_null_email
FROM user_info;
这段查询会返回total_rows为4，non_null_nickname为3，non_null_email为2。可见COUNT(字段名)在统计时忽略了NULL值，并且COUNT(*)不会因为某行字段全为空就漏数。掌握这一点之后，再讨论多个字段的非空统计就有了基础。
统计多个字段非空数量的三种写法
如果业务上需要统计多个字段的非空数量，通常有两种口径：一种是分别统计每个字段的非空条数，另一种是统计若干字段合计的非空数据条数。比如要同时看nickname和email两列各有多少条有效数据，可以分别使用COUNT(nickname)和COUNT(email)，这样简单直接，执行计划也清晰。若需要把两列的非空数量相加得到一个总数，则可以在SELECT中直接相加，例如COUNT(nickname) + COUNT(email)。这是一种比较直观的写法，适合字段数量不多且口径明确的场景。
但当涉及的字段较多，或者需要结合更多条件时，条件聚合会更具可读性和扩展性。条件聚合的思路是把每个字段是否非空转化为0和1，再用SUM求和。MySQL里可以使用IF函数，但为了跨数据库兼容，更推荐使用CASE WHEN表达式。下面是一个同时统计nickname和email非空数量的示例：
SELECT
SUM(CASE WHEN nickname IS NOT NULL THEN 1 ELSE 0 END) AS nickname_not_null,
SUM(CASE WHEN email IS NOT NULL THEN 1 ELSE 0 END) AS email_not_null,
SUM(CASE WHEN nickname IS NOT NULL THEN 1 ELSE 0 END)
+ SUM(CASE WHEN email IS NOT NULL THEN 1 ELSE 0 END) AS total_not_null
FROM user_info;
这种写法的好处是逻辑表达非常明确，每一列是否非空都在CASE WHEN中显式判定，不容易产生口径混淆。它还可以很方便地扩展为按部门、按注册来源等维度进行分组统计，只需要加上GROUP BY子句并把分组列加进SELECT即可。缺点是代码会变长，不过对于长期维护的报表SQL来说，可读性优势通常更重要。
第三种写法是利用COUNT函数本身对NULL的忽略特性，将多个列合并成一个表达式再统计。比如某些数据库支持行构造表达式，或者使用CONCAT、COALESCE等函数组合，但这类写法容易引入新的NULL处理问题，并且可读性不如前两种。实际工作中除非有特殊的性能需求，一般不建议把多个字段强行拼成一列去统计，因为拼接过程中只要有一个字段为NULL，结果就可能变成NULL，反而增加排查成本。
分组统计与执行计划优化注意事项
在带GROUP BY的分组场景下统计非空字段数量，写法上基本与整体统计一致，只是需要把分组列加入SELECT和GROUP BY。假设user_info表中还有部门ID字段dept_id，要按部门统计昵称和邮箱的非空数量，可以这样写：
SELECT
dept_id,
COUNT(nickname) AS nickname_not_null,
COUNT(email) AS email_not_null,
COUNT(nickname) + COUNT(email) AS total_not_null
FROM user_info
GROUP BY dept_id;
这段SQL会返回每个部门的非空昵称数、非空邮箱数以及两者合计。需要注意的是，COUNT(nickname)在这里统计的是该部门内nickname不为NULL的行数，COUNT(email)同理。如果某个部门有10条记录，但只有6条填写了邮箱，那么email_not_null就是6，和部门总人数10并不相同。分组统计时这个口径尤其容易和COUNT(*)混用，导致计算填写率时出错。
执行计划方面，COUNT(字段名)和COUNT(*)的性能可能存在差异。以MySQL的InnoDB为例，COUNT(*)优化器会尽量选择一个较小的二级索引进行遍历，而不是扫描主键聚簇索引，所以即使表很大，COUNT(*)通常也能较快完成。但COUNT(非索引列)可能无法利用索引覆盖，需要回到主键表或者全表扫描，性能会明显下降。PostgreSQL中，COUNT(字段名)在某些版本里虽然能利用该列上的索引，但仍需要判断NULL，统计非空数量时并不比COUNT(*)快。因此在写统计SQL时，如果只是需要总行数，应该使用COUNT(*)；如果确实需要某个字段的非空数，可以考虑给该字段建立合适的索引，但也要权衡写入成本和存储空间。
另外，不同数据库对条件聚合的优化程度不同。使用CASE WHEN配合SUM的写法在MySQL、PostgreSQL、SQL Server中都能正确执行，但SQL Server不支持IF函数，所以跨数据库迁移时不要使用MySQL特有的IF(col IS NOT NULL,1,0)写法，而应统一使用CASE WHEN。统计非空字段数量归根结底是理解NULL在SQL中的特殊地位，以及COUNT函数对NULL的忽略规则。把这些基础搞清楚，无论遇到单独统计、合并统计还是分组统计，都能写出逻辑清晰、执行高效的SQL。
SQL COUNT函数非空字段统计COUNT特性修改时间：2026-09-28 20:54:00