在使用SQL提數(shù)的時候，常會遇到表內(nèi)有重復值的時候，比如我們想得到 uv （獨立訪客），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)進行去重。

舉個栗子，現(xiàn)有這樣一張表 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

備注：

task_id: 任務id;
order_id: 訂單id;
start_time: 開始時間

注意：一個任務對應多條訂單

我們需要求出任務的總數(shù)量，因為 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 配合用來計算條數(shù)。

distinct 使用中，放在 select 后邊，對后面所有的字段的值統(tǒng)一進行去重。比如distinct后面有兩個字段，那么 1,1 和 1,2 這兩條記錄不是重復值。

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;

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

row_number

row_number 是窗口函數(shù)，語法如下：
row_number() over (partition by <用于分組的字段名> order by <用于組內(nèi)排序的字段名>)
其中 partition by 部分可省略。

-- 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;

此外，再借助一個表 test 來理理 distinct 和 group by 在去重中的使用：

user_id	user_type
1	1
1	2
2	1

-- 下方的分號;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等會報錯，mysql可以這樣寫。
-- 返回1, 1 或 1, 2 ; 2, 1（共兩行）。只會對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，只會返回一條記錄（好像通常是第一條，應該是沒有規(guī)律的）

到此這篇關于SQL中的三種去重方法小結的文章就介紹到這了,更多相關SQL 去重內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: