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 | PENDING

DISTINCT 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 12:00:00

ORDER 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。

目录与阅读设置

阅读设置

17

记录一个想法

去除重复结果

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通