SQL中的三种去重方法小结

当前位置:

首页 > 数据库 > T-SQL >

SQL中的三种去重方法小结

在使用SQL提数的时候，常会遇到表内有重复值的时候，比如我们想得到 uv （独立访客），就需要做去重。
在 MySQL 中通常是使用 distinct 或 group by子句，但在支持窗口函数的 sql（如Hive SQL、Oracle等等）中还可以使用 row_number 窗口函数进行去重。

举个栗子，现有这样一张表 task：

task_id	order_id	start_time
1	123	2020-01-05
1	213	2020-01-06
1	321	2020-01-07
2	456	2020-01-06
2	465	2020-01-07
3	798	2020-01-06

备注：

task_id: 任务id;
order_id: 订单id;
start_time: 开始时间

注意：一个任务对应多条订单

我们需要求出任务的总数量，因为 task_id 并非唯一的，所以需要去重：

distinct

-- 列出 task_id 的所有唯一值（去重后的记录）

-- 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，一般与 count 配合用来计算条数。

distinct 使用中，放在 select 后边，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，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（去重后的记录,null也是值）

-- 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，语法如下：
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=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，再借助一个表 test 来理理 distinct 和 group by 在去重中的使用：

user_id	user_type
1	1
1	2
2	1

-- 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，mysql可以这样写。

-- 返回1, 1 或 1, 2 ; 2, 1（共两行）。只会对group by后面的字段去重，就是说最后返回的记录数等于上一段sql的记录数，即2条

-- 没有放在group by 后面但是在select中放了的字段，只会返回一条记录（好像通常是第一条，应该是没有规律的）

到此这篇关于SQL中的三种去重方法小结的文章就介绍到这了

原文：https://www.jb51.net/article/226655.htm

栏目列表