Mysql分组查询每组最新的一条数据（五种实现方法）_mysql group by 取最新的一条

前言

在写报表功能时遇到一个需要根据用户id分组查询最新一条钱包明细数据的需求，在写sql测试时遇到一个有趣的问题，开始使用子查询根据时间倒序+group by customer_id发现查询出来的数据一直都是最旧的一条，而不是我需要的最新一条数据我明明已经倒序排了，后来总结出了五种解决方案如下。

注意事项

• 数据库版本 Mysql5.7+
• 执行 GROUP BY 语句的时候出现 sql_mode=only_full_group_by 解决方法（这里是Mysql8的解决方案，Mysql5.7也差不多，具体实现可以查看 解决MySQL-this is incompatible with sql_mode=only_full_group_by 问题）

  • 1、执行 select @@sql_mode; 查看sql模式

    select @@sql_mode;
    1

    

  • 2、将sql_mode中的only_full_group_by模式剔除 重新设置sql_mode值，如果是使用JDBC连接需要重启项目才能生效。

    set global sql_mode='STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_ENGINE_SUBSTITUTION';
    set session sql_mode='STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_ENGINE_SUBSTITUTION';
    1
    2

准备SQL

这里模拟一个sql

DROP TABLE IF EXISTS `customer_wallet_detail`;
CREATE TABLE `customer_wallet_detail`  (
  `id` bigint(20) NOT NULL AUTO_INCREMENT,
  `customer_id` bigint(20) NULL DEFAULT NULL COMMENT '用户ID',
  `happen_amount` varchar(15)  NULL DEFAULT '0' COMMENT '发生金额 带-号的代表扣款',
  `balance_amount` varchar(15) NULL DEFAULT '0' COMMENT '可用余额',
  `create_time` bigint(20) NULL DEFAULT NULL COMMENT '发生时间',
  PRIMARY KEY (`id`) USING BTREE
) ENGINE = InnoDB COMMENT = '用户钱包明细';

INSERT INTO `customer_wallet_detail`(`id`, `customer_id`, `happen_amount`, `balance_amount`, `create_time`) VALUES (1, 1, '100', '100', 1670300656630);
INSERT INTO `customer_wallet_detail`(`id`, `customer_id`, `happen_amount`, `balance_amount`, `create_time`) VALUES (2, 1, '-10', '90', 1670300656640);
INSERT INTO `customer_wallet_detail`(`id`, `customer_id`, `happen_amount`, `balance_amount`, `create_time`) VALUES (3, 1, '5', '95', 1670300656650);
INSERT INTO `customer_wallet_detail`(`id`, `customer_id`, `happen_amount`, `balance_amount`, `create_time`) VALUES (4, 3, '998', '998', 1670300656660);
INSERT INTO `customer_wallet_detail`(`id`, `customer_id`, `happen_amount`, `balance_amount`, `create_time`) VALUES (5, 3, '-100', '898', 1670300656670);
INSERT INTO `customer_wallet_detail`(`id`, `customer_id`, `happen_amount`, `balance_amount`, `create_time`) VALUES (6, 3, '-98', '800', 1670300656680);
INSERT INTO `customer_wallet_detail`(`id`, `customer_id`, `happen_amount`, `balance_amount`, `create_time`) VALUES (7, 2, '666', '666', 1670300656690);
INSERT INTO `customer_wallet_detail`(`id`, `customer_id`, `happen_amount`, `balance_amount`, `create_time`) VALUES (8, 2, '-66', '600', 1670300656695);
INSERT INTO `customer_wallet_detail`(`id`, `customer_id`, `happen_amount`, `balance_amount`, `create_time`) VALUES (9, 2, '-600', '0', 1670300656699);

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

错误查询

SELECT
	* 
FROM
	( SELECT * FROM customer_wallet_detail ORDER BY create_time DESC ) t1 
GROUP BY
	t1.customer_id;
1
2
3
4
5
6

错误原因

在mysql5.7以及之后的版本，如果GROUP BY的子查询中包含ORDER BY，但是 GROUP BY 不与 LIMIT 配合使用，ORDER BY会被忽略掉，所以子查询在 GROUP BY 时排序不会生效，可能是因为子查询大多数是作为一个结果给主查询使用，所以子查询不需要排序。

方法一

鉴于以上的原因我们可以添加上 LIMIT 条件来实现功能。
PS：这个LIMIT的数量可以先自行 COUNT 出你要遍历的数据条数（这个数据条数是所有满足查询条件的数据合，我这里共9条数据）

SELECT
	* 
FROM
	( SELECT * FROM customer_wallet_detail ORDER BY create_time DESC LIMIT 9 ) t1 
GROUP BY
	t1.customer_id;
1
2
3
4
5
6

方法二（适用于自增ID和创建时间排序一致）

方法一需要先 COUNT 查询然后将查询结果设置到 LIMIT 条件中比较麻烦，这里还可以使用 MAX() 函数来实现该功能。
PS：因为我这里的业务数据是有序插入的，使用主键自增id和create_time结果是一样的而且使用id查询效率更高，如果没有唯一且有序的id可以替代create_time那么就用方案一，不能直接使用 SELECT id,MAX(create_time) 这种操作来获取最新一条数据id，原因在总结中有详细描述。

SELECT
	*
FROM
	customer_wallet_detail 
WHERE
	id IN ( SELECT MAX( id ) FROM customer_wallet_detail GROUP BY customer_id ) 
ORDER BY
	customer_id;
1
2
3
4
5
6
7
8

方法三（适用于自增ID和创建时间排序一致，查询性能最优）

方法三和方法二实现逻辑基本一致只是将IN查询替换成了连接查询，本地20w条数据测试 方法三比方法二性能提升50%，有兴趣的可以增大数据集测试后续性能变化。

SELECT
	t1.* 
FROM
	customer_wallet_detail t1
	INNER JOIN ( SELECT MAX( id ) AS id FROM customer_wallet_detail GROUP BY customer_id ) t2 ON t1.id = t2.id
1
2
3
4
5

方法四（通过DISTINCT关键字打破MySQL语句优化使排序生效）

方法四实现起来比较简单，数据量小的时候查询性能也挺不错的，数据量大了之后查询性能也还可以，我本地测试了100w数据的查询，这个方法耗时0.9s左右，减少DISTINCT的字段能降到0.4s左右，不给customer_id字段加索引的情况下通过方法三查询耗时0.35s，加了索引耗时0.035s，有兴趣可以分析一下方法三和方法四的执行计划。

SELECT
	* 
FROM
	( SELECT DISTINCT * FROM `customer_wallet_detail` ORDER BY id DESC ) AS t1 
GROUP BY
	t1.customer_id;
1
2
3
4
5
6

方法五（以创建时间为基准获取每个用户最新的一条数据，必须要添加对应字段的索引 最好是覆盖索引）

有朋友在评论区提供了第四种方法，这种方法在表数据量少的时候是可行的，我的测试表还是20w数据，并且customer_id字段加了索引，全部查询出来耗时在180s左右，我本地MySQL性能会差一点，这种查询方式是将 b1 中的每一条数据 都和 b2 中的每一条数据进行比对取出满足条件的数据，b1 有20w条数据 b2 也有20w条数据，如果没有索引不计算io开销，只算cpu开销，这条sql需要进行 20w * 20w = 400亿次数据比对，在有索引的情况下数据比对次数会少一些但是也千万级的，如果考虑其它开销并且没索引的情况下那查询耗时可想而知。

• 使用限制
  • 1、这种方式其实除了性能问题以外还有一个更加严重的问题，在一些业务里给用户余额明细添加数据时可能同一时间戳添加多条，这样count结果就大于1了，这个用户数据就查不出来了，还有一种情况如果开发人员事务没有控制好，我们在入库时一般会提前将create_time填充，但是我们用的是自增ID，入库时create_time 小的，数据ID可能还会大一些，选择那种方法还是需要看业务上怎么设计的

SELECT
	b1.* 
FROM
	customer_wallet_detail t1 
WHERE
	( SELECT COUNT( 1 ) FROM customer_wallet_detail t1 WHERE t2.customer_id = t1.customer_id AND t1.create_time <= t2.create_time ) <= 1;
1
2
3
4
5
6

PS：优化方案

• 1、针对这条语句的查询特性，我们减少数据的查询条数，比如给 t1和t2 添加上筛选时间区间，减少遍历数组总数。
• 2、使用覆盖索引，我自己在测试的时候发现如果使用组合索引包含两个字段 (customer_id,create_time) 性能会提升很多，20w数据查询出结果只用了40s，如果只使用customer_id字段索引会进行回表，使用覆盖索引没有额外的回表操作所以会快很多。

总结

结合我的业务经过测试，目前看来方案三是最合适的，sql简单性能适中，方案一比方案二性能更差而且实现麻烦，最终选择那个方案主要看业务而定。

MAX()函数和MIN()这一类函数和GROUP BY配合使用存在问题

MAX()函数和MIN()这一类函数和GROUP BY配合使用，GROUP BY拿到的数据永远都是这个分组排序最上面的一条，而MAX()函数和MIN()这一类函数会将这个分组中最大或最小的值取出来，这样会导致查询出来的数据对应不上。

• 正确查询：
  
• 错误查询：这里的确拿到每个分组最新创建时间了但是拿的数据id还是排序的第一条