在使用SQL提數(shù)的時(shí)候，常會(huì)遇到表內(nèi)有重復(fù)值的時(shí)候，比如我們想得到 uv （獨(dú)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(jìn)行去重。

舉個(gè)栗子，現(xiàn)有這樣一張表 task：

備注：

task_id: 任務(wù)id;

order_id: 訂單id;

start_time: 開(kāi)始時(shí)間

注意：一個(gè)任務(wù)對(duì)應(yīng)多條訂單

我們需要求出任務(wù)的總數(shù)量，因?yàn)?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(wù)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(lái)展示去重后具體的值，一般與 count 配合用來(lái)計(jì)算條數(shù)。

distinct 使用中，放在 select 后邊，對(duì)后面所有的字段的值統(tǒng)一進(jìn)行去重。比如distinct后面有兩個(gè)字段，那么 1,1 和 1,2 這兩條記錄不是重復(fù)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(wù)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(yǔ)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(gè)表 test 來(lái)理理 distinct 和 group by 在去重中的使用：

--?下方的分號(hào);用來(lái)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(huì)報(bào)錯(cuò)，mysql可以這樣寫(xiě)。
--?返回1, 1 或 1, 2 ; 2, 1（共兩行）。只會(huì)對(duì)group by后面的字段去重，就是說(shuō)最后返回的記錄數(shù)等于上一段sql的記錄數(shù)，即2條
--?沒(méi)有放在group?by?后面但是在select中放了的字段，只會(huì)返回一條記錄（好像通常是第一條，應(yīng)該是沒(méi)有規(guī)律的）
編輯：黃飛

?

?

?