SQL左连接为何会出现多余重复数据_通过子查询先行去重优化-SQL-PHP中文网

LEFT JOIN 重复是语义使然，非SQL错误；需通过右表预聚合（GROUP BY）、窗口函数（ROW_NUMBER）或加唯一约束来控制行数。

sql左连接为何会出现多余重复数据_通过子查询先行去重优化

LEFT JOIN 出现重复，不是 SQL 写错了，而是语义本来如此 —— 它忠实地把左表每条记录和右表所有匹配行拼出来。要控制结果行数，得在 JOIN 之前就让右表“变瘦”。

为什么 LEFT JOIN 一定会撑开左表行数

当左表某行 id = 1 在右表有 3 条匹配记录（比如 3 条登录日志），LEFT JOIN 就会生成 3 行，左表字段全量重复。这不是 bug，是关系代数的自然结果。

常见错误现象：SELECT COUNT(*) FROM t_user u LEFT JOIN t_login_log p ON p.user_id = u.id 返回 120 行，但 SELECT COUNT(*) FROM t_user 只有 40 行 —— 这说明平均每个用户有 3 条日志。

只要右表关联字段没有唯一约束（如 user_id 缺少 UNIQUE 或 PRIMARY KEY），重复就必然发生
DISTINCT 对整行去重，如果右表带了 log_time、ip_addr 等不同值，它根本不会合并
用 WHERE p.ip_addr IS NOT NULL 过滤后仍重复？那只是筛掉了 NULL 行，没动重复逻辑本身

子查询先行聚合：用 GROUP BY 把右表压成一行

核心思路：不直接连原始右表，而是连一个“已按业务主键分组”的子查询结果。适合你需要右表某个聚合值（最新时间、总次数、任意一条）的场景。

例如只取每个用户的最新一次登录 IP：

SELECT u.id, u.name, p.latest_ip
FROM t_user u
LEFT JOIN (
  SELECT user_id, MAX(ip_addr) AS latest_ip
  FROM t_login_log
  GROUP BY user_id
) p ON p.user_id = u.id;

GROUP BY user_id 确保子查询最多返回 1 行/用户，JOIN 后左表不再膨胀
聚合函数选 MAX()、MIN()、COUNT() 还是 ANY_VALUE()，取决于你要哪条数据；MySQL 5.7+ 默认严格模式下必须用聚合函数包裹非分组字段
子查询里加 WHERE（如 WHERE status = 'success'）能提前过滤，比在外层 WHERE 更高效

子查询用 ROW_NUMBER() 取“第一条”或“最新一条”

当你需要右表的完整字段（不止聚合值），且明确要某一条（比如最新、最早、最高分），ROW_NUMBER() 是最可控的方式。注意：MySQL 8.0+、PostgreSQL、SQL Server 支持，MySQL 5.7 不支持。

取每个用户的最后一条登录记录：

SELECT u.id, u.name, p.ip_addr, p.log_time
FROM t_user u
LEFT JOIN (
  SELECT user_id, ip_addr, log_time,
         ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY log_time DESC) AS rn
  FROM t_login_log
) p ON p.user_id = u.id AND p.rn = 1;

PARTITION BY user_id 按用户分组，ORDER BY log_time DESC 控制“最新”定义
必须把 p.rn = 1 放在 ON 条件里，不能放 WHERE —— 否则会把无登录记录的用户也过滤掉（违反 LEFT JOIN 语义）
如果右表数据量大，确保 user_id 和排序字段（如 log_time）上有联合索引，否则窗口函数性能差

别忽略外键和索引设计这个底层原因

所有“去重”技巧都是补救措施。真正一劳永逸的办法，是让数据库帮你守住一对一关系。

检查右表的关联字段是否建了 UNIQUE 约束：比如 ALTER TABLE t_login_log ADD UNIQUE (user_id)（仅当业务上真是一对一时）
更常见的是加复合唯一索引：如 CREATE UNIQUE INDEX idx_user_action ON t_login_log (user_id, action_type)，避免同一用户重复触发同类型操作
没有索引的 JOIN 字段，不仅导致重复难控，还会让子查询和窗口函数执行缓慢 —— 先 explain 一下执行计划，看有没有 Using temporary; Using filesort

真正麻烦的不是写不出子查询，而是业务上右表本就该一对多，但你又只想要“代表行”。这时候必须明确：代表的标准是什么？时间？状态？权重？这个判断没法交给数据库自动做，得由你定规则再翻译成 SQL。