在 MySQL 查詢中，可能會(huì)包含重復(fù)值。這并不成問(wèn)題，不過(guò)，有時(shí)您也許希望僅僅列出不同（distinct）的值。

關(guān)鍵詞 DISTINCT 用于返回唯一不同的值，就是去重啦。用法也很簡(jiǎn)單：

SELECT DISTINCT * FROM tableName

DISTINCT 這個(gè)關(guān)鍵字來(lái)過(guò)濾掉多余的重復(fù)記錄只保留一條。

另外，如果要對(duì)某個(gè)字段去重，可以試下：

SELECT *, COUNT(DISTINCT nowamagic) FROM table GROUP BY nowamagic

這個(gè)用法，MySQL的版本不能太低。

在編寫查詢之前，我們甚至應(yīng)該對(duì)過(guò)濾條件進(jìn)行排序，真正高效的條件（可能有多個(gè)，涉到同的表）是查詢的主要驅(qū)動(dòng)力，低效條件只起輔助作用。那么定義高效過(guò)濾條件的準(zhǔn)則是什呢？首先，要看過(guò)濾條件能否盡快減少必須處理的數(shù)據(jù)量。所以，我們必須倍加關(guān)注條件的寫方式。
假設(shè)有四個(gè)表： customers 、 orders 、 orderdetail 、 articles ，現(xiàn)在假設(shè) SQL 要處理的問(wèn)題是：找出最近六個(gè)月內(nèi)居住在 Gotham 市、訂購(gòu)了蝙蝠車的所有客戶。當(dāng)然，編寫這個(gè)查詢有多種方法， ANSI SQL 的推崇者可能寫出下列語(yǔ)句：

select distinct c.custname
from customers c
join orders o
on o.custid = c.custid
join orderdetail od
on od.ordid = o.ordid
join articles a
on a.artid = od.artid
where c.city = 'GOTHAM'
and a.artname = 'BATMOBILE'
and o.ordered >= somefunc

其中， somefunc 是個(gè)函數(shù)，返回距今六個(gè)月前的具體日期。注意上面用了 distinct ，因?yàn)榭紤]到某個(gè)客戶可以是大買家，最近訂購(gòu)了好幾臺(tái)蝙蝠車。
暫不考慮優(yōu)化器將如何改寫此查詢，我們先看一下這段代碼的含義。首先，來(lái)自 customers 表的數(shù)據(jù)應(yīng)只保留城市名為 Gotham 的記錄。接著，搜索 orders 表，這意味著 custid 字段最好有索引，否則只有通過(guò)排序、合并或掃描 orders 表建立一個(gè)哈希表才能保證查詢速度。對(duì) orders 表 ，還要針對(duì)訂單日期進(jìn)行過(guò)濾：如果優(yōu)化器比較聰明，它會(huì)在連接（ join ）前先過(guò)濾掉一些數(shù)據(jù)，從而減少后面要處理的數(shù)據(jù)量；不太聰明的優(yōu)化器則可能會(huì)先做連接，再作過(guò)濾，這時(shí)在連接中指定過(guò)濾條件利于提高性能，例如：

join orders o
on o.custid = c.custid
and a.ordered >= somefunc

注意，如果是：

left outer join orders o on
o.custid = c.custid
and a.ordered >= somefunc

此處關(guān)于left表的篩選條件將失效，因?yàn)槭亲笸膺B接，左表的所有列都將出現(xiàn)在這次連接結(jié)果集中）。
即使過(guò)濾條件與連接（ join ）無(wú)關(guān)，優(yōu)化器也會(huì)受到過(guò)濾條件的影響。例如，若 orderdetail 的主鍵為（ ordid, artid ），即 ordid 為索引的第一個(gè)屬性，那么我們可以利用索引找到與訂單相關(guān)的記錄。但如果主鍵是（ artid, ordid ）就太不幸了（注意，就關(guān)系理論而言 ，無(wú)論哪個(gè)版本都是完全一樣），此時(shí)的訪問(wèn)效率比（ ordid, artid ）作為索引時(shí)要差，甚至一些數(shù)據(jù)庫(kù)產(chǎn)品無(wú)法使用該索引（注 3 ），唯一的希望就是在ordid 上加獨(dú)立索引了。
連接了表 orderdetail 和 orders 之后，來(lái)看 articles 表，這不會(huì)有問(wèn)題，因?yàn)楸?order 包括 artid 字段。最后，檢查 articles 中的值是否為 Batmobile 。查詢就這樣結(jié)束了，因?yàn)橛昧?distinct ，通過(guò)層層篩選的客戶名還必須要排序，以剔除重復(fù)項(xiàng)目。
避免在最高層使用 distinct 應(yīng)該是一條基本規(guī)則 。原因在于，即使我們遺漏了連接的某個(gè)條件， distinct 也會(huì)使查詢 " 看似正確 " 地執(zhí)行 —— 無(wú)可否認(rèn)，發(fā)現(xiàn)重復(fù)數(shù)據(jù)容易，發(fā)現(xiàn)數(shù)據(jù)不準(zhǔn)確很難，所以避免在最高層使用 distinct 應(yīng)該是一條基本規(guī)則。
發(fā)現(xiàn)結(jié)果不正確更難，例如，如果恰巧有多位客戶都叫 " Wayne " ， distinct 不但會(huì)剔除由同個(gè)客戶的多張訂單產(chǎn)生的重復(fù)項(xiàng)目，也會(huì)剔除由名字相同的不同客戶產(chǎn)生的重復(fù)項(xiàng)目。事實(shí)上，應(yīng)該同時(shí)返回具唯一性的客戶 ID 和客戶名，以保證得到蝙蝠車買家的完整清單。
要擺脫 distinct ，可考慮以下思路：客戶在 Gohtam 市，而且滿足存在性測(cè)試，即在最近六個(gè)月訂購(gòu)過(guò)蝙蝠車。注意，多數(shù)（但非全部） SQL 方言支持以下語(yǔ)法：

select c.custname
from customers c
where c.city = 'GOTHAM'
and exists (select null
from orders o,
orderdetail od,
articles a
where a.artname = 'BATMOBILE'
and a.artid = od.artid
and od.ordid = o.ordid
and o.custid = c.custid
and o.ordered >= somefunc )

上例的存在性測(cè)試，同一個(gè)名字可能出現(xiàn)多次，但每個(gè)客戶只出現(xiàn)一次，不管他有多少訂單。有人認(rèn)為我對(duì) ANSI SQL 語(yǔ)法的挑剔有點(diǎn)苛刻（指 " 蝙蝠車買主 " 的例子），因?yàn)樯厦娲a中customers 表的地位并沒(méi)有降低。其實(shí)，關(guān)鍵區(qū)別在于，新查詢中 customers 表是查詢結(jié)果的唯一來(lái)源（嵌套的子查詢會(huì)負(fù)責(zé)找出客戶子集），而先前的查詢卻用了 join 。
這個(gè)嵌套的子查詢與外層的 select 關(guān)系十分密切。如代碼第 11 行所示（粗體部分），子查詢參照了外層查詢的當(dāng)前記錄，因此，內(nèi)層子查詢就是所謂的關(guān)聯(lián)子查詢（ correlated subquery ）。
此類子查詢有個(gè)弱點(diǎn)，它無(wú)法在確定當(dāng)前客戶之前執(zhí)行。如果優(yōu)化器不改寫此查詢，就必須先找出每個(gè)客戶，然后逐一檢查是否滿足存在性測(cè)試，當(dāng)來(lái)自 Gotham 市的客戶非常少時(shí)執(zhí)行效率倒是很高，否則情況會(huì)很糟（此時(shí)，優(yōu)秀的優(yōu)化器應(yīng)嘗試其他執(zhí)行查詢的方式）。

select custname
from customers
where city = 'GOTHAM'
and custid in
(select o.custid
from orders o,
orderdetail od,
articles a
where a.artname = 'BATMOBILE'
and a.artid = od.artid
and od.ordid = o.ordid
and o.ordered >= somefunc)

在這個(gè)例子中，內(nèi)層查詢不再依賴外層查詢，它已變成了非關(guān)聯(lián)子查詢（ uncorrelated subquery ），只須執(zhí)行一次。很顯然，這段代碼采用了原有的執(zhí)行流程。在本節(jié)的前一個(gè)例子 中 ，必須先搜尋符合地點(diǎn)條件的客戶（如均來(lái)自 GOTHAM ），接著依次檢查各個(gè)訂單。而現(xiàn)在，訂購(gòu)了蝙蝠車的客戶，可以通過(guò)內(nèi)層查詢獲得。
不過(guò)，如果更仔細(xì)地分析一下，前后兩個(gè)版本的代碼還有些更微妙的差異。含關(guān)聯(lián)子查詢的代碼中，至關(guān)重要的是 orders 表中的 custid 字段要有索引，而這對(duì)另一段代碼并不重要，因?yàn)檫@時(shí)要用到的索引（如果有的話）是表 customers 的主鍵索引。
你或許注意到，新版的查詢中執(zhí)行了隱式的 distinct 。的確，由于連接操作，子查詢可能會(huì)返回有關(guān)一個(gè)客戶的多條記錄。但重復(fù)項(xiàng)目不會(huì)有影響，因?yàn)?in 條件只檢查該項(xiàng)目是否出現(xiàn)在子查詢返回的列表中，且 in 不在乎某值在列表中出現(xiàn)了一次還是一百次。但為了一致性，作為整體，應(yīng)該對(duì)子查詢和主查詢應(yīng)用相同的規(guī)則，也就是在子查詢中也加入存在性測(cè)試：

select custname
from customers
where city = 'GOTHAM'
and custid in
(select o.custid
from orders o
where o.ordered >= somefunc
and exists (select null
from orderdetail od,
articles a
where a.artname = 'BATMOBILE'
and a.artid = od.artid
and od.ordid = o.ordid))

或者

select custname
from customers
where city = 'GOTHAM'
and custid in
(select custid
from orders
where ordered >= somefunc
and ordid in (select od.ordid
from orderdetail od,
articles a
where a.artname = 'BATMOBILE'
and a.artid = od.artid)

盡管嵌套變得更深、也更難懂了，但子查詢內(nèi)應(yīng)選擇 exists 還是 in 的選擇規(guī)則相同：此選擇取決于日期與商品條件的有效性。除非過(guò)去六個(gè)月的生意非常清淡，否則商品名稱應(yīng)為最有效的過(guò)濾條件，因此子查詢中用 in 比 exists 好，這是因?yàn)椋日页鏊序疖嚨挠唵?、再檢查銷售是否發(fā)生在最近六個(gè)月，比反過(guò)來(lái)操作要快。如果表 orderdetail 的 artid 字段有索引，這個(gè)方法會(huì)更快，否則，這個(gè)聰明巧妙的舉措就會(huì)黯然失色。
每當(dāng)對(duì)大量記錄做存在性檢查時(shí)，選擇 in 還是 exists 須斟酌。
利于多數(shù) SQL 方言，非關(guān)聯(lián)子查詢可以被改寫成 from 子句中的內(nèi)嵌視圖。然而，一定要記住的是， in 會(huì)隱式地剔除重復(fù)項(xiàng)目，當(dāng)子查詢改寫為 from 子句中的內(nèi)嵌視圖時(shí)，必須要顯式地消除重復(fù)項(xiàng)目。例如：

select custname
from customers
where city = 'GOTHAM'
and custid in
(select o.custid
from orders o,
(select distinct od.ordid
from orderdetail od,
articles a
where a.artname = 'BATMOBILE'
and a.artid = od.artid) x
where o.ordered >= somefunc
and x.ordid = o.ordid)

總結(jié)：保證 SQL 語(yǔ)句返回正確結(jié)果，只是建立最佳 SQL 語(yǔ)句的第一步。

最新評(píng)論