面试突击63:MySQL 中如何去重?

语言: CN / TW / HK

在 MySQL 中,最常见的去重方法有两个:使用 distinct 或使用 group by,那它们有什么区别呢?接下来我们一起来看。

1.创建测试数据

sql -- 创建测试表 drop table if exists pageview; create table pageview( id bigint primary key auto_increment comment '自增主键', aid bigint not null comment '文章ID', uid bigint not null comment '(访问)用户ID', createtime datetime default now() comment '创建时间' ) default charset='utf8mb4'; -- 添加测试数据 insert into pageview(aid,uid) values(1,1); insert into pageview(aid,uid) values(1,1); insert into pageview(aid,uid) values(2,1); insert into pageview(aid,uid) values(2,2);

最终展现效果如下: image.png

2.distinct 使用

distinct 基本语法如下:

sql SELECT DISTINCT column_name,column_name FROM table_name;

2.1 单列去重

我们先用 distinct 实现单列去重,根据 aid(文章 ID)去重,具体实现如下: image.png

2.2 多列去重

除了单列去重之外,distinct 还支持多列(两列及以上)去重,我们根据 aid(文章 ID)和 uid(用户 ID)联合去重,具体实现如下: image.png

2.3 聚合函数+去重

使用 distinct + 聚合函数去重,计算 aid 去重之后的总条数,具体实现如下: image.png

3.group by 使用

group by 基础语法如下:

sql SELECT column_name,column_name FROM table_name WHERE column_name operator value GROUP BY column_name

3.1 单列去重

根据 aid(文章 ID)去重,具体实现如下: image.png 与 distinct 相比 group by 可以显示更多的列,而 distinct 只能展示去重的列。

3.2 多列去重

根据 aid(文章 ID)和 uid(用户 ID)联合去重,具体实现如下: image.png

3.3 聚合函数 + group by

统计每个 aid 的总数量,SQL 实现如下: image.png 从上述结果可以看出,使用 group by 和 distinct 加 count 的查询语义是完全不同的,distinct + count 统计的是去重之后的总数量,而 group by + count 统计的是分组之后的每组数据的总数。

4.distinct 和 group by 的区别

官方文档在描述 distinct 时提到:在大多数情况下 distinct 是特殊的 group by,如下图所示: image.png 官方文档地址:http://dev.mysql.com/doc/refman/8.0/en/distinct-optimization.html 但二者还是有一些细微的不同的,比如以下几个。

区别1:查询结果集不同

当使用 distinct 去重时,查询结果集中只有去重列信息,如下图所示: image.png 当你试图添加非去重字段(查询)时,SQL 会报错如下图所示: image.png 而使用 group by 排序可以查询一个或多个字段,如下图所示: image.png

区别2:使用业务场景不同

统计去重之后的总数量需要使用 distinct,而统计分组明细,或在分组明细的基础上添加查询条件时,就得使用 group by 了。 使用 distinct 统计某列去重之后的总数量: image.png 统计分组之后数量大于 2 的文章,就要使用 group by 了,如下图所示: image.png

区别3:性能不同

如果去重的字段有索引,那么 group by 和 distinct 都可以使用索引,此情况它们的性能是相同的;而当去重的字段没有索引时,distinct 的性能就会高于 group by,因为在 MySQL 8.0 之前,group by 有一个隐藏的功能会进行默认的排序,这样就会触发 filesort 从而导致查询性能降低。

总结

大部分场景下 distinct 是特殊的 group by,但二者也有细微的区别,比如它们在查询结果集上、使用的具体业务场景上,以及性能上都是不同的。

参考 & 鸣谢

zhuanlan.zhihu.com/p/384840662

是非审之于己,毁誉听之于人,得失安之于数。

公众号:Java面试真题解析

面试合集:http://gitee.com/mydb/interview