Distinct是SQL中一种很常见的操作,能够很方便地筛选掉结果中重复的行。首先来看看Distinct操作的效果:
mysql> select * from ob;
+------+------+------+
| a | b | c |
+------+------+------+
| 1 | 2 | 3 |
| 1 | 2 | 3 |
| 1 | 2 | 3 |
| 1 | 2 | 2323 |
| 1 | 323 | 21 |
| 9 | 9 | 9 |
+------+------+------+
6 rows in set (0.00 sec)
/// 取出所有不同行
mysql> select distinct * from ob;
+------+------+------+
| a | b | c |
+------+------+------+
| 1 | 2 | 3 |
| 1 | 2 | 2323 |
| 1 | 323 | 21 |
| 9 | 9 | 9 |
+------+------+------+
4 rows in set (0.00 sec)
/// 取出所有a, b列不相同的行
mysql> select distinct a, b from ob;
+------+------+
| a | b |
+------+------+
| 1 | 2 |
| 1 | 323 |
| 9 | 9 |
+------+------+
3 rows in set (0.00 sec)
在数据库的设计中,如何实现Distinct操作呢?一般有两种基本思路:排序(Sort)法,哈希(Hash)法。
排序法将表格中的数据全部按照distinct指定的列为key进行排序,然后逐行迭代,每迭代出一行数据都与上一行数据根据key作对比,如果相同,则丢弃当前行继续迭代下一行,如果不同则输出。排序法带来的一个副作用就是数据输出按照key有序。mysql在某些情况下不是使用排序法,通过下面的输出可以观察到行并不是有序的:
mysql> select distinct a, b from ob;
+------+------+
| a | b |
+------+------+
| 1 | 2 |
| 1 | 323 |
| 9 | 9 |
| 0 | 0 |
+------+------+
4 rows in set (0.00 sec)
哈希法将表格中的数据全部按照distinct指定的列值为key作为hash key进行分桶,key相同的行自然就被区分出来了。
排序法在具体实现中会遇到这么一些问题:
1. 数据集超出了内存限制,如何排序?
2. 如何实现可以尽可能减少数据拷贝?
3. 如果已经有了Sort运算符,如何实现代码重用。
考虑一种理想实现,sort依次排序出最大,次大,较大,。。。等行,没一行输出后都跟前一行比较,如果key相等则丢弃,这样,sort完毕,distinct也做完了。堆排序可以较好地满足这一要求。但是,堆排序不支持外排,当数据集合超出内存限制时该方法将失效。
最后说个题外话,distinct跟groupby蛮像的,那么他们的区别又在哪里呢? 简单地说,distinct是一种很弱的groupby。详细见网上转载的一篇文章:
SQL語法 : DISTINCT vs GROUP BY
我使用的是SQLyog執行我的測試!! SQL語法的保留字~大小寫我在寫下列例子沒有很在意...
主要是為了情境所測出的心得~~如測試結果不同,請給我意見(pls leave comment)喔!!
CC~~ ^^
--------------------------------------------------------------------------------------------------------------
Table: member
id | name | email_address |
11 | Mary | mary@gmail.com |
22 | Mary | mary@hotmail.com |
33 | John | john@gmail.com |
44 | Leo | leo@gmail.com |
55 | Jane | jane@hotmail.com |
55 | Janny | jane@hotmail.com |
--------------------------------------------------------------------------------------------------------------
Create Table
member_distinct_by_name
Select
Distinct
name
From
member
-------------------------------------------------
result:
Table:
member_distinct_by_name
name |
Mary |
John |
Leo |
Jane |
---------------------------------------------------------------------------------------------------------------
情境: 依據不重覆的 email_address,拉出想要的資料!
Create Table
member_group_by_emailaddress
Select
email_address, id
From
member
GROUP BY
name
------------------------------------------------
result:
Table:
member_group_by_
emailaddress
email_address | id |
mary@gmail.com | 11 |
mary@hotmail.com | 22 |
john@gmail.com | 33 |
leo@gmail.com | 44 |
Jane@hotmail.com | 55 |
----------------------------------------------------------------------------------------------------------------
Create Table
member_distinct
Select
Distinct
email_address, name, id (只要有一欄位的data不一樣就會納入)
From
member
---------------------------------------------------
result:
Table:
member_distinct
ID | NAME | GENDER |
11 | Mary | mary@gmail.com |
22 | Mary | mary@hotmail.com |
33 | John | john@gmail.com |
44 | Leo | leo@gmail.com |
55 | Jane | jane@hotmail.com |
55 | Janny | jane@hotmail.com |
/// 取出所有不同行