引言

在MySQL數(shù)據(jù)庫日常操作中，數(shù)據(jù)去重是高頻需求。無論是統(tǒng)計(jì)唯一用戶數(shù)、篩選不重復(fù)的商品類別，還是清理冗余數(shù)據(jù)，都需要選擇合適的去重方式。當(dāng)前主流的去重手段主要是DISTINCT關(guān)鍵字和GROUP BY子句。

基礎(chǔ)概念

DISTINCT：專注去重

DISTINCT是MySQL中的一個(gè)關(guān)鍵字，核心作用是從查詢結(jié)果中篩選出所有不重復(fù)的記錄，它僅關(guān)注唯一性，不涉及任何分組邏輯。其語法結(jié)構(gòu)非常簡潔，僅需在SELECT后添加，作用于所有查詢的列（注意：非單個(gè)列，而是列的組合）。

SELECT DISTINCT 列1, 列2, ... 
FROM 表名 
[WHERE 條件];

GROUP BY：基于分組的聚合工具

GROUP BY是一個(gè)子句，核心作用是將表中的記錄按照指定列分組，同一組的記錄會(huì)被合并，后續(xù)可結(jié)合聚合函數(shù)（如COUNT()、SUM()）進(jìn)行統(tǒng)計(jì)計(jì)算。它的本質(zhì)是分組 + 聚合，去重只是分組后的一個(gè)副作用（當(dāng)分組列無重復(fù)時(shí)，每組僅一條記錄）。

SELECT 分組列, 聚合函數(shù)(列) 
FROM 表名 
[WHERE 條件] 
GROUP BY 分組列 
[HAVING 分組條件];

偽代碼

場景 1：單純查詢唯一值（無統(tǒng)計(jì)）→ 優(yōu)先用 DISTINCT

當(dāng)需求僅為獲取某列或多列的不重復(fù)值，無任何統(tǒng)計(jì)計(jì)算時(shí)，DISTINCT是最優(yōu)選擇 —— 語法更簡潔，語義更清晰，避免不必要的分組邏輯。

示例： 查詢user_order表中所有不重復(fù)的商品類別 + 用戶ID組合（即同一用戶購買的不同商品）：

-- 正確：用DISTINCT直接去重組合列
SELECT DISTINCT user_id, product 
FROM user_order;

-- 錯(cuò)誤：用GROUP BY雖能實(shí)現(xiàn)，但語義冗余（無聚合需求）
SELECT user_id, product 
FROM user_order 
GROUP BY user_id, product;

場景 2：分組統(tǒng)計(jì)（如計(jì)數(shù)、求和）→ 必須用 GROUP BY

當(dāng)需求涉及按某列分組，統(tǒng)計(jì)每組數(shù)據(jù)時(shí)，DISTINCT完全無法替代GROUP BY，因?yàn)?/span>DISTINCT不支持分組后的聚合計(jì)算。

示例 1： 統(tǒng)計(jì)每個(gè)商品的銷售總量（假設(shè)表中新增quantity列記錄單訂單購買數(shù)量）：

-- 正確：GROUP BY分組+SUM()聚合
SELECT product, SUM(quantity) AS total_sales 
FROM user_order 
GROUP BY product;

-- 錯(cuò)誤：DISTINCT無法按商品分組統(tǒng)計(jì)，只能統(tǒng)計(jì)所有去重記錄的總量（無意義）
SELECT DISTINCT product, SUM(quantity) AS total_sales 
FROM user_order;

示例 2： 篩選訂單數(shù)大于2的用戶（需先分組統(tǒng)計(jì)，再過濾分組結(jié)果）：

SELECT user_id, COUNT(order_id) AS order_count 
FROM user_order 
GROUP BY user_id 
HAVING COUNT(order_id) > 2; -- HAVING過濾分組后結(jié)果，DISTINCT無此能力

場景 3：多列去重 + 整體統(tǒng)計(jì) → 兩者結(jié)合或選其一

當(dāng)需求是先對(duì)多列去重，再對(duì)去重后的結(jié)果做整體統(tǒng)計(jì)時(shí)，可選擇DISTINCT直接作用于統(tǒng)計(jì)函數(shù)，或GROUP BY分組后再統(tǒng)計(jì)，需結(jié)合語義選擇。

示例： 查詢不重復(fù)的（用戶ID + 商品）組合數(shù)量（即統(tǒng)計(jì)用戶購買的不同商品總數(shù)）：

-- 方案1：DISTINCT作用于COUNT()，簡潔直觀
SELECT COUNT(DISTINCT user_id, product) AS unique_user_product 
FROM user_order;

-- 方案2：GROUP BY分組后再統(tǒng)計(jì)分組數(shù)，語義稍復(fù)雜
SELECT COUNT(*) AS unique_user_product 
FROM (
    SELECT user_id, product 
    FROM user_order 
    GROUP BY user_id, product
) AS temp;

場景 4：大數(shù)據(jù)量去重 → 結(jié)合索引判斷性能

當(dāng)處理百萬級(jí)以上數(shù)據(jù)時(shí)，DISTINCT和GROUP BY的性能差異主要取決于是否有合適的索引，而非語法本身。

• 若查詢列（DISTINCT的列或GROUP BY的列）有聯(lián)合索引，兩者都會(huì)走索引掃描，性能接近；
• 若無索引，兩者都需走全表掃描，但GROUP BY可能因分組排序產(chǎn)生額外開銷（MySQL 5.7 + 可通過SET sql_mode = ''關(guān)閉默認(rèn)排序，優(yōu)化性能）。

示例： 對(duì)user_order表的user_id列做去重查詢（數(shù)據(jù)量100萬條）：

-- 1. 無索引時(shí)，兩者都走全表掃描，GROUP BY因默認(rèn)排序更慢
SELECT DISTINCT user_id FROM user_order; -- 耗時(shí)約0.8s
SELECT user_id FROM user_order GROUP BY user_id; -- 耗時(shí)約1.2s（默認(rèn)排序）

-- 2. 建立索引后（ALTER TABLE user_order ADD INDEX idx_user_id(user_id)），兩者性能接近
SELECT DISTINCT user_id FROM user_order; -- 耗時(shí)約0.1s（索引掃描）
SELECT user_id FROM user_order GROUP BY user_id; -- 耗時(shí)約0.12s（索引掃描）

總結(jié)：一句話掌握選擇邏輯

通過前文分析，DISTINCT和GROUP BY的選擇可總結(jié)為一句話：單純?nèi)ブ卣?/span>DISTINCT，分組統(tǒng)計(jì)用GROUP BY；大數(shù)據(jù)量看索引，冗余列查詢要避免。

• 當(dāng)需求是獲取唯一值，無統(tǒng)計(jì)時(shí)，優(yōu)先用DISTINCT，語法簡潔、語義清晰；
• 當(dāng)需求是按列分組，做統(tǒng)計(jì)（計(jì)數(shù)、求和等）時(shí)，必須用GROUP BY，DISTINCT無法替代；
• 性能優(yōu)化的核心是減少數(shù)據(jù)處理量：利用索引覆蓋掃描、提前過濾數(shù)據(jù)、避免無用列，而非糾結(jié)于語法本身。