新增用户指历史上首次产生行为的用户，需通过窗口函数或分组取最小时间锁定各用户首次行为时间，再按日期/周/月归类计数，并注意数据清洗与时区统一。
统计新增用户数，核心是识别“首次出现”的用户，再按时间分组汇总。关键不在简单去重，而在于锁定每个用户的第一次注册/登录时间，再按该时间归类计数。
一、明确“新增用户”的定义
新增用户 ≠ 当日注册用户总数，而是指历史上第一次产生行为（如注册、首次登录）的用户。同一个用户在后续日期重复出现，不应重复计入新增。
常见错误：直接对每日用户ID去重后求和 → 会把老用户当天的活跃误算为新增。
二、基础SQL写法（以注册表为例）
假设有一张 user_register 表，含字段：user_id、register_time（datetime类型）：
- 先用窗口函数找出每个用户的首次注册时间：
WITH first_reg AS (
SELECT user_id,
DATE(register_time) AS reg_date,
ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY register_time) AS rn
FROM user_register
)
SELECT reg_date, COUNT(*) AS new_user_count
FROM first_reg
WHERE rn = 1
GROUP BY reg_date
ORDER BY reg_date;
三、适配不同场景的调整方式
① 数据源是日志表（如login_log），非注册表：
把 register_time 换成 login_time，逻辑不变——取每个 user_id 的最早 login_time 即为“首次活跃时间”。
② 需要按周/月统计：
将 DATE(register_time) 替换为：
– 周： YEARWEEK(register_time, 1) 或 DATE_SUB(register_time, INTERVAL WEEKDAY(register_time) DAY)
– 月： DATE_FORMAT(register_time, '%Y-%m')
③ 用户标识不唯一？需去重清洗：
若存在测试账号、空user_id、设备号冒用等情况，先在子查询中过滤或标准化，例如：
WHERE user_id IS NOT NULL AND user_id != '' AND user_id NOT LIKE 'test%'
四、性能与注意事项
- 确保 user_id 和 register_time 字段有联合索引（如 (user_id, register_time)），大幅提升窗口函数效率
- 如果数据量极大（亿级），可先用 GROUP BY user_id 取 min(register_time)，再对外层结果按日期分组，减少窗口开销
- 注意时区：数据库时区、应用写入时区、查询展示时区需统一，否则“当日新增”可能错位一天
