SQL中去重的三種方法

點(diǎn)擊關(guān)注上方“數(shù)據(jù)管道”，
設(shè)為“置頂或星標(biāo)”，第一時(shí)間送達(dá)干貨

在使用SQL提數(shù)的時(shí)候，常會(huì)遇到表內(nèi)有重復(fù)值的時(shí)候，比如我們想得到 uv （獨(dú)立訪客），就需要做去重。

在 MySQL 中通常是使用 distinct 或 group by子句，但在支持窗口函數(shù)的 sql（如Hive SQL、Oracle等等） 中還可以使用 row_number 窗口函數(shù)進(jìn)行去重。

舉個(gè)栗子，現(xiàn)有這樣一張表 task：

備注：

• task_id: 任務(wù)id;
• order_id: 訂單id;
• start_time: 開始時(shí)間

注意：一個(gè)任務(wù)對(duì)應(yīng)多條訂單

我們需要求出任務(wù)的總數(shù)量，因?yàn)?task_id 并非唯一的，所以需要去重：

distinct

--?列出?task_id?的所有唯一值（去重后的記錄）
--?select?distinct?task_id
--?from?Task;

--?任務(wù)總數(shù)
select?count(distinct?task_id)?task_num
from?Task;

distinct 通常效率較低。它不適合用來展示去重后具體的值，一般與 count 配合用來計(jì)算條數(shù)。

distinct 使用中，放在 select 后邊，對(duì)后面所有的字段的值統(tǒng)一進(jìn)行去重。比如distinct后面有兩個(gè)字段，那么 1,1 和 1,2 這兩條記錄不是重復(fù)值 。

group by

--?列出?task_id?的所有唯一值（去重后的記錄,null也是值）
--?select?task_id
--?from?Task
--?group?by?task_id;

--?任務(wù)總數(shù)
select?count(task_id)?task_num
from?(select?task_id
??????from?Task
??????group?by?task_id)?tmp;

row_number

--?在支持窗口函數(shù)的?sql?中使用
select?count(case?when?rn=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;

--?下方的分號(hào);用來分隔行
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等會(huì)報(bào)錯(cuò)，mysql可以這樣寫。
--?返回1, 1 或 1, 2 ; 2, 1（共兩行）。只會(huì)對(duì)group by后面的字段去重，就是說最后返回的記錄數(shù)等于上一段sql的記錄數(shù)，即2條
--?沒有放在group?by?后面但是在select中放了的字段，只會(huì)返回一條記錄（好像通常是第一條，應(yīng)該是沒有規(guī)律的）