SQL中的三种去重⽅法
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
11232020-01-05
12132020-01-06
13212020-01-07
24562020-01-06
24652020-01-07
37982020-01-06
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_idselect distinct from
-- 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=1then 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
11
12
21
-- 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）

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。