sql怎么剔重？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

sql怎么剔重？

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、Oracl: 任務id

ord: 訂單id

start_tim: 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 lt用于分組的字段名gt order by lt用于組內(nèi)排序的字段名gt)

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 rn1 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：

-- 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）

子句distinct和groupby之間的區(qū)別是什么？

DISTINCT操作只需要找出所有不同的值就可以了。而GROUP BY操作還要為其他聚集函數(shù)進行準備工作。從這一點上將，GROUP BY操作做的工作應該比DISTINCT所做的工作要多一些。除此之外，基本上看不到DISTINCT和GROUP BY（沒有聚集函數(shù)的情況）有什么區(qū)別，而且從執(zhí)行效率上也看不到明顯的差異;