Как проверить таблицу на дубликаты строк по комбинации «email + дата заказа»?

Короткий ответ

Нужно сгруппировать таблицу по этим двум столбцам, посчитать количество строк в каждой группе через COUNT(*) и отобрать группы с HAVING COUNT(*) > 1 — это и есть дубликаты.

Как это работает подробнее

GROUP BY email, order_date объединяет все строки с одинаковой комбинацией этих значений в одну группу; COUNT(*) в каждой группе показывает, сколько исходных строк туда попало, а HAVING отфильтровывает только те группы, где это число больше 1.

Пример кода

Запрос SQLКопировать

SELECT email, order_date, COUNT(*) AS cnt
FROM orders
GROUP BY email, order_date
HAVING COUNT(*) > 1
ORDER BY cnt DESC;

Что использовать на практике

• На практике: перед любой агрегацией метрик (суммы, средние) полезно сначала явно проверить данные на дубликаты именно таким запросом — это быстрый и наглядный способ понять масштаб проблемы до того, как строить отчёт. Дубликаты могут появляться из-за повторной выгрузки данных, сбоя в ETL или неправильного JOIN на предыдущем шаге.
• Результат: Если результат пустой — дубликатов по этой комбинации нет.
• Проверка: для одной найденной пары email+дата вручную просмотреть все строки через SELECT * FROM orders WHERE email = ... AND order_date = ... и понять, действительно ли это задвоение.

Подводные камни

• Частая ошибка: находят дубликаты, но сразу удаляют их все без анализа причины — иногда «дубликаты» на самом деле разные события с одинаковыми значениями полей (например, два разных товара, купленных в одну секунду), и бездумное удаление искажает данные.