当前位置:   article > 正文

必会!MySQL去重3种方法​

mysql去重

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:

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

  1. -- 列出 task_id 的所有唯一值(去重后的记录)
  2. -- select distinct task_id
  3. -- from Task;
  4. -- 任务总数
  5. select count(distinct task_id) task_num
  6. 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

  1. -- 列出 task_id 的所有唯一值(去重后的记录,null也是值)
  2. -- select task_id
  3. -- from Task
  4. -- group by task_id;
  5. -- 任务总数
  6. select count(task_id) task_num
  7. from (select task_id
  8. from Task
  9. group by task_id) tmp;

row_number

row_number 是窗口函数,语法如下:

row_number() over (partition by <用于分组的字段名> order by <用于组内排序的字段名>)

其中 partition by 部分可省略。

  1. -- 在支持窗口函数的 sql 中使用
  2. select count(case when rn=1 then task_id else null end) task_num
  3. from (select task_id
  4. , row_number() over (partition by task_id order by start_time) rn
  5. 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:

  1. -- 下方的分号;用来分隔行
  2. select distinct user_id
  3. from Test; -- 返回 1; 2
  4. select distinct user_id, user_type
  5. from Test; -- 返回1, 1; 1, 2; 2, 1
  6. select user_id
  7. from Test
  8. group by user_id; -- 返回1; 2
  9. select user_id, user_type
  10. from Test
  11. group by user_id, user_type; -- 返回1, 1; 1, 2; 2, 1
  12. select user_id, user_type
  13. from Test
  14. group by user_id;
  15. -- Hive、Oracle等会报错,mysql可以这样写。
  16. -- 返回1, 11, 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
  17. -- 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)

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/秋刀鱼在做梦/article/detail/741732
推荐阅读
相关标签
  

闽ICP备14008679号