DISTINCT 对多列是基于行组合去重,即所有指定列值完全相同时才视为重复;它不是对各列单独去重,也不能替代 GROUP BY 或窗口函数实现分组取优等逻辑。

DISTINCT 对多列生效的逻辑是什么
DISTINCT 不是“对每列单独去重”,而是对 SELECT 后面整个行组合做唯一性判断。比如 SELECT DISTINCT a, b FROM t,只有当 a 和 b 的值**同时相同**,才算重复行,才会被过滤掉。
常见误解是以为它能分别去掉 a 列的重复、再单独去掉 b 列的重复——这不可能,SQL 没有这种语义。
什么时候该用 DISTINCT,什么时候不该用
用在真正需要“去重后的完整行”场景,比如查所有出现过的部门+职级组合:SELECT DISTINCT dept, level FROM employees。
但如果你实际想要的是“每个部门只取一条记录”,或“按某列分组后取最新一条”,DISTINCT 就不合适了——它不控制保留哪条,也不支持排序优先级。
- 想按
dept分组取MAX(salary)?该用GROUP BY dept - 想每个
dept取created_at最新的一条?得用窗口函数(如ROW_NUMBER() OVER (PARTITION BY dept ORDER BY created_at DESC))或关联子查询 - 单纯加
DISTINCT却没理解数据分布,可能掩盖逻辑错误,比如本该关联但漏写了JOIN条件,结果靠DISTINCT“凑出看似正确”的结果
DISTINCT 和 GROUP BY 在多列去重时的区别
功能上,SELECT DISTINCT a, b FROM t 和 SELECT a, b FROM t GROUP BY a, b 通常返回相同结果,但行为本质不同:
-
DISTINCT是一个集合操作,无隐含分组语义,不能配合聚合函数(如COUNT(*)、AVG(c))直接使用 -
GROUP BY是分组操作,必须和聚合函数搭配才有意义;即使只写GROUP BY a, b,也意味着“把相同a,b的行归为一组”,引擎处理路径可能更明确,尤其在带索引或需要后续聚合时 - 某些数据库(如 PostgreSQL)允许
GROUP BY列少于SELECT列(只要非分组列是函数依赖的),但DISTINCT要求所有SELECT列都参与去重判断
容易被忽略的 NULL 处理和性能影响
DISTINCT 把两个 NULL 视为相等——这是 SQL 标准行为,但常被忽视。例如 SELECT DISTINCT col FROM t 中,所有 col IS NULL 的行只保留一条。
性能方面:DISTINCT 通常触发排序或哈希去重,数据量大时开销明显:
- 确保涉及列上有合适索引(如复合索引
(a, b)对SELECT DISTINCT a, b有帮助) - 避免在
DISTINCT前计算复杂表达式(如UPPER(name)),否则无法有效利用索引 - 如果只是校验“是否存在重复”,用
GROUP BY ... HAVING COUNT(*) > 1比先DISTINCT再计数更高效
多列表达式越复杂、数据越分散,DISTINCT 的代价越不可忽视——它不是轻量级修饰符,而是实实在在的数据重排操作。










