MySQL去重3种方法

在使用SQL提数的时候&＃xff0c;常会遇到表内有重复值的时候&＃xff0c;比如我们想得到 uv &＃xff08;独立访客&＃xff09;&＃xff0c;就需要做去重。

在 MySQL 中通常是使用 distinct 或 group by子句&＃xff0c;但在支持窗口函数的 sql&＃xff08;如Hive SQL、Oracle等等&＃xff09; 中还可以使用 row_number 窗口函数进行去重。

举个栗子&＃xff0c;现有这样一张表 task&＃xff1a;

备注&＃xff1a;

• task_id: 任务id;

  
  



• order_id: 订单id;

  
  



• start_time: 开始时间

  
  

我们需要求出任务的总数量&＃xff0c;因为 task_id 并非唯一的&＃xff0c;所以需要去重&＃xff1a;

distinct

-- 列出 task_id 的所有唯一值&＃xff08;去重后的记录&＃xff09;
-- select distinct task_id
-- from Task;
-- 任务总数
select count(distinct task_id) task_num
from Task;


distinct 通常效率较低。它不适合用来展示去重后具体的值&＃xff0c;一般与 count 配合用来计算条数。

distinct 使用中&＃xff0c;放在 select 后边&＃xff0c;对后面所有的字段的值统一进行去重。比如distinct后面有两个字段&＃xff0c;那么 1,1 和 1,2 这两条记录不是重复值 。

group by

-- 列出 task_id 的所有唯一值&＃xff08;去重后的记录,null也是值&＃xff09;
-- select task_id
-- from Task
-- group by task_id;
-- 任务总数
select count(task_id) task_num
from (select task_id
      from Task
      group by task_id) tmp;


row_number

row_number 是窗口函数&＃xff0c;语法如下&＃xff1a;

row_number() over (partition by <用于分组的字段名> order by <用于组内排序的字段名>)


其中 partition by 部分可省略。

-- 在支持窗口函数的 sql 中使用
select count(case when rn&＃061;1 then task_id else null end) task_num
from (select task_id
       , row_number() over (partition by task_id order by start_time) rn
   from Task) tmp;


此外&＃xff0c;再借助一个表 test 来理理 distinct 和 group by 在去重中的使用&＃xff1a;

-- 下方的分号;用来分隔行
select distinct user_id
from Test;    -- 返回 1; 2
select distinct user_id, user_type
from Test;    -- 返回1, 1; 1, 2; 2, 1
select user_id
from Test
group by user_id;    -- 返回1;  2
select user_id, user_type
from Test
group by user_id, user_type;    -- 返回1, 1; 1, 2; 2, 1
select user_id, user_type
from Test
group by user_id;
-- Hive、Oracle等会报错&＃xff0c;mysql可以这样写。
-- 返回1, 1 或 1, 2 ; 2, 1&＃xff08;共两行&＃xff09;。只会对group by后面的字段去重&＃xff0c;就是说最后返回的记录数等于上一段sql的记录数&＃xff0c;即2条
-- 没有放在group by 后面但是在select中放了的字段&＃xff0c;只会返回一条记录&＃xff08;好像通常是第一条&＃xff0c;应该是没有规律的&＃xff09;