MySQL中distinct语句去查询重复记录及相关的性能讨论在 MySQL 查询中，可能会包含重复值。这并不成问题，不过，有时您也许希望仅仅列出不同（distinct）的值。
关键词 DISTINCT ⽤于返回唯⼀不同的值，就是去重啦。⽤法也很简单：
SELECT DISTINCT * FROM tableName
DISTINCT 这个关键字来过滤掉多余的重复记录只保留⼀条。
另外，如果要对某个字段去重，可以试下：
SELECT *, COUNT(DISTINCT nowamagic) FROM table GROUP BY nowamagic
这个⽤法，MySQL的版本不能太低。
在编写查询之前，我们甚⾄应该对过滤条件进⾏排序，真正⾼效的条件（可能有多个，涉到同的表）是查询的主要驱动⼒，低效条件只起辅助作⽤。那么定义⾼效过滤条件的准则是什呢？⾸先，要看过滤条件能否尽快减少必须处理的数据量。所以，我们必须倍加关注条件的写⽅式。
假设有四个表： customers 、 orders 、 orderdetail 、 articles ，现在假设 SQL 要处理的问题是：找出
最近六个⽉内居住在Gotham 市、订购了蝙蝠车的所有客户。当然，编写这个查询有多种⽅法， ANSI SQL 的推崇者可能写出下列语句：
lect distinct c.custname
from customers c
join orders o
on o.custid = c.custid
join orderdetail od
did = o.ordid
join articles a
on a.artid = od.artid读《红楼梦》有感
where c.city = 'GOTHAM'
and a.artname = 'BATMOBILE'
dered >= somefunc
其中， somefunc 是个函数，返回距今六个⽉前的具体⽇期。注意上⾯⽤了 distinct ，因为考虑到某个客户可以是⼤买家，最近订购了好⼏台蝙蝠车。
暂不考虑优化器将如何改写此查询，我们先看⼀下这段代码的含义。⾸先，来⾃ customers 表的数据应只保留城市名为Gotham 的记录。接着，搜索 orders 表，这意味着 custid 字段最好有索引，否则只有通过排序、合并或扫描 orders 表建⽴⼀个哈希表才能保证查询速度。对 orders 表，还要针对订单⽇期进⾏过滤：如果优化器⽐较聪明，它会在连接（ join ）前先过滤掉⼀些数据，从⽽减少后⾯要处理的数据量；不太聪明的优化器则可能会先做连接，再作过滤，这时在连接中指定过滤条件利于提⾼性能，例如：
join orders o
on o.custid = c.custid
dered >= somefunc
注意，如果是：
铅笔英语怎么说left outer join orders o on
o.custid = c.custid
dered >= somefunc
此处关于left表的筛选条件将失效，因为是左外连接，左表的所有列都将出现在这次连接结果集中）。
即使过滤条件与连接（ join ）⽆关，优化器也会受到过滤条件的影响。例如，若 orderdetail 的主键为（ ordid, artid ），即ordid 为索引的第⼀个属性，那么我们可以利⽤索引找到与订单相关的记录。但如果主键是（ artid, ordid ）就太不幸了（注意，就关系理论⽽⾔，⽆论哪个版本都是完全⼀样），此时的访问效率⽐（ ordid, artid ）作为索引时要差，甚⾄⼀些数据库产品⽆法使⽤该索引（注 3 ），唯⼀的希望就是在ordid 上加独⽴索引了。
连接了表 orderdetail 和 orders 之后，来看 articles 表，这不会有问题，因为表 order 包括 artid 字段。最后，检查 articles 中的值是否为 Batmobile 。查询就这样结束了，因为⽤了 distinct ，通过层层筛选的客户名还必须要排序，以剔除重复项⽬。
链球菌感染的原因避免在最⾼层使⽤ distinct 应该是⼀条基本规则。原因在于，即使我们遗漏了连接的某个条件， distinct 也会使查询 " 看似正确 " 地执⾏ —— ⽆可否认，发现重复数据容易，发现数据不准确很难，所以避免在最⾼层使⽤ distinct 应该是⼀条基本规则。发现结果不正确更难，例如，如果恰巧有多位
客户都叫 " Wayne " ， distinct 不但会剔除由同个客户的多张订单产⽣的重复项⽬，也会剔除由名字相同的不同客户产⽣的重复项⽬。事实上，应该同时返回具唯⼀性的客户 ID 和客户名，以保证得到蝙蝠车买家的完整清单。
要摆脱 distinct ，可考虑以下思路：客户在 Gohtam 市，⽽且满⾜存在性测试，即在最近六个⽉订购过蝙蝠车。注意，多数
（但⾮全部） SQL ⽅⾔⽀持以下语法：
lect c.custname
from customers c
where c.city = 'GOTHAM'
and exists (lect null
from orders o,
orderdetail od,
articles a
where a.artname = 'BATMOBILE'
and a.artid = od.artid
did = o.ordid
and o.custid = c.custid
dered >= somefunc )
上例的存在性测试，同⼀个名字可能出现多次，但每个客户只出现⼀次，不管他有多少订单。有⼈认为我对 ANSI SQL 语法的挑剔有点苛刻（指 " 蝙蝠车买主 " 的例⼦），因为上⾯代码中customers 表的地位并没有降低。其实，关键区别在于，新查询中 customers 表是查询结果的唯⼀来源（嵌套的⼦查询会负责找出客户⼦集），⽽先前的查询却⽤了 join 。
这个嵌套的⼦查询与外层的 lect 关系⼗分密切。如代码第 11 ⾏所⽰（粗体部分），⼦查询参照了外层查询的当前记录，因此，内层⼦查询就是所谓的关联⼦查询（ correlated subquery ）。
此类⼦查询有个弱点，它⽆法在确定当前客户之前执⾏。如果优化器不改写此查询，就必须先找出每个客户，然后逐⼀检查是否满⾜存在性测试，当来⾃ Gotham 市的客户⾮常少时执⾏效率倒是很⾼，否则情况会很糟（此时，优秀的优化器应尝试其他执⾏查询的⽅式）。
lect custname
from customers
where city = 'GOTHAM'
and custid in
(lect o.custid
from orders o,
orderdetail od,
articles a
where a.artname = 'BATMOBILE'
and a.artid = od.artid
did = o.ordid
dered >= somefunc)
在这个例⼦中，内层查询不再依赖外层查询，它已变成了⾮关联⼦查询（ uncorrelated subquery ），只须执⾏⼀次。很显然，这段代码采⽤了原有的执⾏流程。在本节的前⼀个例⼦中，必须先搜寻符合地点条件的客户（如均来⾃ GOTHAM ），接着依次检查各个订单。⽽现在，订购了蝙蝠车的客户，可以通过内层查询获得。
不过，如果更仔细地分析⼀下，前后两个版本的代码还有些更微妙的差异。含关联⼦查询的代码中，⾄关重要的是 orders 表中的 custid 字段要有索引，⽽这对另⼀段代码并不重要，因为这时要⽤到的索引（如果有的话）是表 customers 的主键索引。
你或许注意到，新版的查询中执⾏了隐式的 distinct 。的确，由于连接操作，⼦查询可能会返回有关⼀个客户的多条记录。但重复项⽬不会有影响，因为 in 条件只检查该项⽬是否出现在⼦查询返回的列表中，且 in 不在乎某值在列表中出现了⼀次还是⼀百次。但为了⼀致性，作为整体，应该对⼦查询和主查询应⽤相同的规则，也就是在⼦查询中也加⼊存在性测试：
lect custname
from customers
where city = 'GOTHAM'
猴子头饰and custid in
100字的日记
(lect o.custid
from orders o
dered >= somefunc
and exists (lect null
from orderdetail od,
articles a
where a.artname = 'BATMOBILE'
严遵and a.artid = od.artid
did = o.ordid))
或者
lect custname
读碑from customers
where city = 'GOTHAM'
三峡注释
and custid in
(lect custid
from orders
where ordered >= somefunc
and ordid in (did
from orderdetail od,
articles a
where a.artname = 'BATMOBILE'
and a.artid = od.artid)
尽管嵌套变得更深、也更难懂了，但⼦查询内应选择 exists 还是 in 的选择规则相同：此选择取决于⽇期与商品条件的有效性。除⾮过去六个⽉的⽣意⾮常清淡，否则商品名称应为最有效的过滤条件，因此⼦查询中⽤ in ⽐ exists 好，这是因为，先找出所有蝙蝠车的订单、再检查销售是否发⽣在最近六个⽉，⽐反过来操作要快。如果表 orderdetail 的 artid 字段有索引，这个⽅法会更快，否则，这个聪明巧妙的举措就会黯然失⾊。
每当对⼤量记录做存在性检查时，选择 in 还是 exists 须斟酌。
利于多数 SQL ⽅⾔，⾮关联⼦查询可以被改写成 from ⼦句中的内嵌视图。然⽽，⼀定要记住的是， in 会隐式地剔除重复项⽬，当⼦查询改写为 from ⼦句中的内嵌视图时，必须要显式地消除重复项⽬。例如：
lect custname
from customers
where city = 'GOTHAM'
and custid in
(lect o.custid
from orders o,
(lect did
from orderdetail od,
articles a
where a.artname = 'BATMOBILE'
and a.artid = od.artid) x
dered >= somefunc
did = o.ordid)
总结：保证 SQL 语句返回正确结果，只是建⽴最佳 SQL 语句的第⼀步。
