count（distinct）与groupby浅析
x在传统关系型数据库中，group by与count(distinct)都是很常见的操作。count(distinct colA)就是将colA中所有出现过的不同值取出来，相信只要接触过数据库的同学都能明⽩什么意思。
distinct查询
count(distinct colA)的操作也可以⽤group by的⽅式完成，具体代码如下：
select count(distinct colA) from table1;
select count(1) from (select colA from table1 group by colA) alias_1;
这两者最后得出的结果是⼀致的，但是具体的实现⽅式，有什么不同呢？
上⾯两种⽅式本质就是时间与空间的权衡。
distinct需要将colA中的所有内容都加载到内存中，⼤致可以理解为⼀个hash结构，key⾃然就是colA的所有值。因为是hash结构，那运算速度⾃然就快。最后计算hash中有多少key就是最终的结果。
那么问题来了，在现在的海量数据环境下，需要将所有不同的值都存起来，这个内存消耗，是可想⽽知的。所以如果数据量特别⼤，可能会out of memory。。。
group by的实现⽅式是先将colA排序。排序⼤家都不陌⽣，拿最见得快排来说，时间复杂度为
,⽽空间复杂度只有
。这样⼀来，即使数据量再⼤⼀些，group by基本也能hold住。但是因为需要做⼀次
的排序，时间⾃然会稍微慢点。。。
总结起来就是，count(distinct)吃内存，查询快；group by空间复杂度⼩，在时间复杂度允许的情况下，可以发挥他的空间复杂度优势。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。