PostgreSQL / 系统课时
去除重复结果
去除重复结果
本课解决查询结果中重复值过多的问题。你将掌握 DISTINCT 去除整行重复数据,并使用 PostgreSQL 的 DISTINCT ON 从每个分组中保留指定的一条记录。
学习目标
- 使用
DISTINCT返回唯一值或唯一组合 - 理解
DISTINCT ON的分组保留规则 - 正确配合
ORDER BY决定每组保留哪一行
使用 DISTINCT 去重
DISTINCT 会根据 SELECT 后的全部列判断是否重复。只查询一列时,它返回该列的唯一值;查询多列时,只有整组列值完全相同才会被合并。
sql
DROP TABLE IF EXISTS orders;
CREATE TABLE orders (
id integer PRIMARY KEY,
customer_id integer NOT NULL,
customer_name varchar(50) NOT NULL,
status varchar(20) NOT NULL,
created_at timestamp NOT NULL
);
INSERT INTO orders (id, customer_id, customer_name, status, created_at) VALUES
(1, 101, '张三', 'PAID', '2026-07-28 09:00:00'),
(2, 101, '张三', 'PAID', '2026-07-28 10:00:00'),
(3, 102, '李四', 'PENDING', '2026-07-28 11:00:00'),
(4, 102, '李四', 'PAID', '2026-07-28 12:00:00');
SELECT DISTINCT status
FROM orders
ORDER BY status;
SELECT DISTINCT customer_id, status
FROM orders
ORDER BY customer_id, status;预期结果
text
唯一状态:
status
---------
PAID
PENDING
唯一客户与状态组合:
customer_id | status
-------------+---------
101 | PAID
102 | PAID
102 | PENDINGDISTINCT 不能简单理解为“只按第一列去重”。当查询了 customer_id 和 status 两列时,数据库按两列组合判断唯一性。
使用 DISTINCT ON 保留每组一行
DISTINCT ON (列) 是 PostgreSQL 提供的扩展语法。它先按指定列分组,再保留排序后的第一行,常用于查询“每个用户最新一条记录”。片段示例,依赖前面创建的 orders 表:
sql
SELECT DISTINCT ON (customer_id)
id,
customer_id,
customer_name,
status,
created_at
FROM orders
ORDER BY customer_id, created_at DESC, id DESC;预期结果
text
id | customer_id | customer_name | status | created_at
----+-------------+---------------+--------+---------------------
2 | 101 | 张三 | PAID | 2026-07-28 10:00:00
4 | 102 | 李四 | PAID | 2026-07-28 12:00:00ORDER BY 必须先以 DISTINCT ON 中的表达式开头。本例先按客户编号分组,再按时间倒序,因此每个客户保留最新订单;追加 id DESC 用于处理时间相同的情况。
DISTINCT 与 GROUP BY 的区别
DISTINCT 主要用于去重,表达的是“只保留唯一结果”。GROUP BY 主要用于分组统计,通常会配合 COUNT、SUM、MAX 等聚合函数。
只想得到唯一状态时,使用 SELECT DISTINCT status 更直接。需要统计每种状态有多少订单时,才使用 GROUP BY status。
性能与使用边界
去重通常需要排序或哈希处理,数据量大时会消耗额外内存和 CPU。不要用 DISTINCT 掩盖错误连接造成的重复行,应先检查表关联条件是否正确。
如果经常执行“每组最新一条”查询,可以为分组列和排序列建立联合索引,例如 (customer_id, created_at DESC, id DESC),减少扫描和排序成本。
按自己的节奏,确认真正理解。