SQL DISTINCT 子句：完整语法与应用场景详解
在SQL数据库查询中，我们经常需要处理重复数据。DISTINCT 子句是用于从查询结果中去除重复行的关键工具。它允许我们获取唯一记录，从而更清晰地分析数据、避免重复统计，并优化查询性能。本文将深入探讨 DISTINCT 子句的语法、用法、各种应用场景，以及与其他相关关键字（如 GROUP BY）的区别和联系，并提供丰富的示例来帮助您全面理解和掌握这个重要的SQL工具。
1. DISTINCT 子句的基本语法
DISTINCT 关键字用于 SELECT 语句中，紧跟在 SELECT 关键字之后，位于要选择的列之前。其基本语法如下：
sql
SELECT DISTINCT column1, column2, ...
FROM table_name
WHERE condition;
SELECT DISTINCT: 表示我们要选择不重复的记录。column1, column2, ...: 指定要从表中检索的列。DISTINCT将应用于所有指定的列的组合。这意味着只有当所有选定列的值都相同时，才会被认为是重复行。table_name: 指定要查询的表名。WHERE condition: (可选) 指定过滤条件，用于筛选满足特定条件的行。DISTINCT将应用于过滤后的结果集。
简单示例：
假设我们有一个名为 Customers 的表，其中包含以下数据：
| CustomerID | Name | City | Country |
|---|---|---|---|
| 1 | John Doe | New York | USA |
| 2 | Jane Doe | London | UK |
| 3 | John Doe | New York | USA |
| 4 | Peter Pan | Paris | France |
| 5 | Alice Lee | London | UK |
要获取不重复的 City 列表，我们可以使用以下查询：
sql
SELECT DISTINCT City
FROM Customers;
查询结果：
| City |
|---|
| New York |
| London |
| Paris |
可以看到，DISTINCT 子句消除了重复的 “London” 行，只返回唯一的城市列表。
2. DISTINCT 应用于多列
当 DISTINCT 应用于多个列时，它会考虑所有指定列的组合值。只有当所有列的值都相同时，才会被认为是重复行。
示例：
继续使用上面的 Customers 表，如果我们想获取不重复的 City 和 Country 组合，可以使用以下查询：
sql
SELECT DISTINCT City, Country
FROM Customers;
查询结果：
| City | Country |
|---|---|
| New York | USA |
| London | UK |
| Paris | France |
尽管 “London” 和 “New York” 都有重复，但由于它们的 Country 列的值不同，因此它们都被视为唯一的组合。
3. DISTINCT 与 COUNT
DISTINCT 经常与 COUNT 函数一起使用，用于计算唯一值的数量。
示例：
要计算 Customers 表中有多少个不同的城市，可以使用以下查询：
sql
SELECT COUNT(DISTINCT City) AS UniqueCities
FROM Customers;
查询结果：
| UniqueCities |
|---|
| 3 |
这表明 Customers 表中有 3 个不同的城市。
注意： COUNT(DISTINCT column) 和 COUNT(*) 的区别：
COUNT(DISTINCT column): 计算指定列中唯一非NULL值的数量。COUNT(*): 计算表中的总行数，包括NULL值和重复行。
4. DISTINCT 与 NULL 值
DISTINCT 将 NULL 值视为一个特定的值。这意味着，如果一个列中有多个 NULL 值，DISTINCT 只会返回一个 NULL 值。
示例：
假设 Customers 表的 City 列中有一些 NULL 值：
| CustomerID | Name | City | Country |
|---|---|---|---|
| 1 | John Doe | New York | USA |
| 2 | Jane Doe | NULL | UK |
| 3 | John Doe | New York | USA |
| 4 | Peter Pan | Paris | France |
| 5 | Alice Lee | NULL | UK |
sql
SELECT DISTINCT City
FROM Customers;
查询结果：
| City |
|---|
| New York |
| NULL |
| Paris |
可以看到，尽管有两个NULL值，但DISTINCT只返回一个。
5. DISTINCT 与 ORDER BY
DISTINCT 可以与 ORDER BY 子句一起使用，对结果集进行排序。ORDER BY 子句应该放在 DISTINCT 之后。
示例：
要获取不重复的城市列表，并按字母顺序排序：
sql
SELECT DISTINCT City
FROM Customers
ORDER BY City;
结果会按照City字母顺序排列。
6. DISTINCT 与 WHERE
DISTINCT 可以与 WHERE 子句结合使用，首先根据 WHERE 子句中的条件过滤数据，然后对过滤后的结果应用 DISTINCT。
示例：
sql
SELECT DISTINCT city
FROM customers
WHERE country = 'UK';
上述查询, 首先根据 WHERE 子句筛选 Country 为 “UK” 的记录。然后在筛选后的结果集中, 使用 DISTINCT 选择不重复的城市。
7. DISTINCT 与 GROUP BY 的区别
DISTINCT 和 GROUP BY 子句都可以用于消除重复行，但它们之间存在重要的区别：
| 特性 | DISTINCT | GROUP BY |
|---|---|---|
| 主要目的 | 去除重复行 | 分组数据，通常与聚合函数一起使用 |
| 聚合函数 | 不与聚合函数一起使用 | 通常与聚合函数（如 COUNT, SUM, AVG, MIN, MAX）一起使用 |
| 对NULL的处理 | 将所有 NULL 值视为相同的值 | 将所有 NULL 值分组到同一个组 |
| 性能 | 通常比 GROUP BY 快，特别是当不需要聚合函数时 |
当需要聚合函数时，GROUP BY 是必需的 |
| 排序 | 不保证结果的排序 | 可以对分组进行排序 (使用 ORDER BY 在GROUP BY之后) |
| 返回列 | 返回DISTINCT后的列 | 返回分组列和聚合函数结果 |
何时使用 DISTINCT：
- 只需要获取唯一值列表，不需要进行任何聚合计算。
- 希望尽可能快地去除重复行。
何时使用 GROUP BY：
- 需要根据某些列对数据进行分组，并对每个组应用聚合函数（如计算每个组的数量、总和、平均值等）。
- 需要对分组结果进行排序。
示例：
假设我们有一个 Orders 表，其中包含订单信息：
| OrderID | CustomerID | Product | Quantity |
|---|---|---|---|
| 1 | 1 | A | 2 |
| 2 | 2 | B | 1 |
| 3 | 1 | A | 3 |
| 4 | 3 | C | 2 |
| 5 | 2 | B | 2 |
-
使用
DISTINCT获取不同的产品：sql
SELECT DISTINCT Product
FROM Orders;结果：
Product A B C -
使用
GROUP BY计算每个客户的订单数量：sql
SELECT CustomerID, COUNT(*) AS OrderCount
FROM Orders
GROUP BY CustomerID;结果：
CustomerID OrderCount 1 2 2 2 3 1 -
使用
GROUP BY计算每个客户购买的商品种类, 并按种类数量倒序排列:
sql
SELECT customerid,
Count(DISTINCT product)
FROM orders
GROUP BY customerid
ORDER BY Count(DISTINCT product) DESC;
8. DISTINCT 的高级应用场景
-
查找不重复的组合：
DISTINCT可以用于查找多个列的不同组合，这对于分析数据的多样性非常有用。例如，在电商网站中，可以使用DISTINCT来查找不同的商品类别和品牌的组合。 -
数据去重：
DISTINCT可以用于从表中删除重复的行。虽然DELETE语句更常用于删除数据，但在某些情况下，可以使用DISTINCT结合INSERT INTO语句来创建一个不包含重复数据的新表。 -
数据质量检查：
DISTINCT可以用于检查数据质量。通过计算某个列的唯一值数量，可以快速了解该列是否存在大量重复值，这可能表明数据存在问题。 -
优化查询性能： 在某些情况下，使用
DISTINCT可以优化查询性能。如果数据库知道某个列是唯一的（例如，主键列），那么使用DISTINCT可以避免不必要的排序操作。 -
与子查询结合:
DISTINCT可以用在子查询中, 对子查询的结果去重后, 再与外层查询结合。sql
SELECT *
FROM customers
WHERE city IN (SELECT DISTINCT city
FROM orders
WHERE orderdate >= '2023-01-01');
上述查询, 在子查询中先用DISTINCT找出2023年之后有订单的城市, 然后在外层查询中, 找出位于这些城市的客户。
9. DISTINCT 的性能考虑
虽然 DISTINCT 是一个非常有用的工具，但在处理大型数据集时，它可能会对性能产生影响。
-
索引： 确保
DISTINCT操作涉及的列上有适当的索引。索引可以显著提高查询速度，尤其是在大型表上。 -
数据量：
DISTINCT需要对数据进行排序或哈希处理以消除重复行。对于非常大的数据集，这可能会消耗大量的 CPU 和内存资源。 -
替代方案： 在某些情况下，可以考虑使用其他方法来替代
DISTINCT，例如使用EXISTS子查询或窗口函数。 -
使用临时表: 对于复杂的查询, 可以考虑将DISTINCT的结果先存入临时表, 后续查询基于临时表进行, 这样可以减少重复的DISTINCT操作。
10. 总结
DISTINCT 子句是SQL中一个强大而灵活的工具，用于从查询结果中去除重复行。它具有简单易懂的语法，可以应用于单个或多个列，并且可以与各种SQL子句（如 WHERE、ORDER BY、COUNT）结合使用。理解 DISTINCT 与 GROUP BY 的区别以及在不同场景下的适用性至关重要。通过掌握 DISTINCT 子句，您可以更有效地处理重复数据，优化查询性能，并进行更深入的数据分析。 同时, 也要注意 DISTINCT 的性能影响, 在大数据集上使用时, 要注意优化。