SQL连续登录问题有哪些解法？连续登录天数统计的多种方案对比

在用户行为分析里，连续登录天数是衡量活跃度与留存的核心指标。所谓连续登录，是指用户在自然日维度上登录日期紧挨着、中间没有断开的日子序列。比如用户在一月一号、二号、三号都登录了，这算连续三天；如果四号没登、五号登了，那五号就只能算新的一段连续起点。我们要做的，就是针对每张用户登录记录表，算出每个人最长连续登录了多少天，或者有哪些连续区间。

一、自关联比对解法

最容易被想到的办法，是把登录表和自己按用户与日期差一天的条件做连接。这样每条记录都能找到它的前一天是否也登录了，从而判断是否属于连续段。这种方法逻辑非常直白，刚接触SQL的人也能看懂。

下面用一张简单的表 user_login(uid, login_date) 来演示。我们先把同一用户登录日期去重，再左联前一天的数据：

select
  a.uid,
  a.login_date,
  case when b.login_date is not null then 1 else 0 end as is_continue
from (
  select distinct uid, login_date from user_login
) a
left join (
  select distinct uid, login_date from user_login
) b
on a.uid = b.uid
and a.login_date = date_add(b.login_date, interval 1 day);

上面这段只能标出每一天是不是接在上一天后面。要算出连续长度，还得再做变量或子查询累计。自关联的缺点是，如果数据有上亿条，distinct加join会带来很高的临时表和排序开销，执行计划里常常能看到 Using temporary; Using filesort。

不过在小数据量或者临时查数场景下，它不用记复杂函数，改起来也方便。比如只想看某个人有没有连续登录满七天，直接加 where 过滤即可，不需要引入新语法。

二、日期减行号分组解法

这是一种巧妙的数学思路。先对每个用户按登录日期排序打出行号，再用登录日期减去行号对应的天数，连续日期算出来的值会相等。因为每过一天日期加一、行号也加一，相减就抵消了。断掉之后，日期往前跳但行号连续，差值就变了，自然分成不同组。

我们用 date_sub 和 row_number 实现，注意里面特殊字符都做了转义：

select
  uid,
  min(login_date) as start_date,
  max(login_date) as end_date,
  count(*) as continue_days
from (
  select
    uid,
    login_date,
    date_sub(login_date, interval row_number() over (
      partition by uid order by login_date
    ) day) as grp
  from (
    select distinct uid, login_date from user_login
  ) t1
) t2
group by uid, grp;
</p>
<p>这个写法一次性给出了每段连续的起止日和天数。想拿最长连续，只需在外面再包一层求 max(continue_days)。它只需要两次扫描和一次窗口计算，比自关联少了很多比较。</p>
<p>要注意的是，login_date 必须是 date 类型而不是 datetime，否则相减会带时间片段导致分组错位。如果原表是时间戳，先用 date(ts) 处理。</p>

<h2>三、窗口函数直接求最长连续</h2>
<p>在支持窗口函数的数据库如 MySQL 8、PostgreSQL、Hive 中，上面第二种方案就是业界主流。我们可以再精简，直接求每个人最长连续天数：</p>
<pre class=brush:sql;toolbar:false>
select uid, max(continue_days) as max_continue
from (
  select
    uid,
    count(*) as continue_days
  from (
    select
      uid,
      login_date,
      date_sub(login_date, interval row_number() over (
        partition by uid order by login_date
      ) day) as grp
    from (select distinct uid, login_date from user_login) x
  ) y
  group by uid, grp
) z
group by uid;

这种结构清晰，而且数据库优化器对 window function 有专门的向量化执行，在千万级数据上通常比自关联快数倍。它也是面试里公认的标准答案。

如果还要输出连续区间明细，把中间层留着即可，外层不聚合 uid 而只按 uid、grp 聚就能拿到所有段。可见同一套核心逻辑既能算最长也能算全量，复用度高。

四、临时表与标记法

有些老版本 MySQL 不支持窗口函数，可以用临时表加用户变量模拟行号与分组。思路是先建去重排序表，再读的时候用 @prev 和 @grp 变量判断断层：

create temporary table tmp_login as
select uid, login_date from user_login group by uid, login_date order by uid, login_date;

set @uid := '', @prev_date := null, @grp := 0;
select uid, grp, min(login_date) start_date, max(login_date) end_date, count(*) days
from (
  select
    uid, login_date,
    @grp := if(@uid = uid and datediff(login_date, @prev_date) = 1, @grp, if(@uid := uid, @grp + 1, @grp + 1)) as grp,
    @prev_date := login_date
  from tmp_login
) t
group by uid, grp;

变量法在旧系统能跑，但可读性差，而且 MySQL 8 之后官方不推荐在查询里用用户变量做行级计算，容易和优化器冲突。所以新项目直接用窗口函数就好。

五、方案对比与选型

我们把四种解法从多个维度列出来：

实际工作中，只要环境支持 row_number，就优先用日期减行号的分组思路。它既能应对日活报表里的连续登录，也能改造成近三十天最大连续这样的滑动需求。自关联只建议用在教学或极小的表上，避免给线上库添堵。

连续登录问题本质是把时间轴变成分组标签，抓住这一点，不管换什么 SQL 方言，都能很快写出对应实现。

SQL连续登录窗口函数修改时间：2026-08-07 13:54:34