SQL中的三种去重方法

2023-09-22 05:17| 来源: 网络整理| 查看: 265

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_idorder_idstart_time11232020-01-0512132020-01-0613212020-01-0724562020-01-0624652020-01-0737982020-01-06

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 order by ) 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_iduser_type111221 -- 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）

【本文地址】

SQL中的三种去重方法

SQL中的三种去重方法

今日新闻

推荐新闻