GROUP BY和DISTINCT是否有区别？

有一天我学到了关于SQL的一些简单的东西：

SELECT c FROM myTbl GROUP BY C 

具有与以下相同的结果：

 SELECT DISTINCT C FROM myTble 

我感到好奇的是，SQL引擎处理命令的方式有什么不同，还是真的是一回事？

我个人比较喜欢独特的语法，但我相信它比其他任何事都更习惯于习惯。

编辑：这不是一个关于聚合的问题。 了解使用GROUP BY与聚合函数。

Answer 1

MusiGenesis的回答在function上是正确的，就你所说的问题而言; SQL Server足够聪明地认识到，如果你使用“Group By”而不使用任何聚合函数，那么你实际上的意思是“Distinct” – 因此它产生一个执行计划，就好像你只是使用“Distinct “。

不过，我认为重要的是要注意到汉克的反应 – 如果你不小心的话，“集体”和“不同”的骑士待遇可能会导致一些有害的瑕疵。 说这不是一个关于聚集的问题是不完全正确的，因为你在问两个SQL查询关键字之间的function差别，其中一个是用于聚合 ，另一个则不是。

有时锤子可以用螺丝刀驱动，但是如果你有方便的螺丝刀，为什么呢？

Answer 2

GROUP BY允许您使用聚合函数，如AVG ， MAX ， MIN ， SUM和COUNT 。 另一方面DISTINCT只是删除重复。

例如，如果您有一堆购买logging，并且想要知道每个部门花了多less钱，则可以执行以下操作：

 SELECT department, SUM(amount) FROM purchases GROUP BY department 

这将为每个部门提供一行，包含部门名称以及该部门所有行中所有amount值的总和。

Answer 3

没有区别 （在SQL Server中，至less）。 这两个查询使用相同的执行计划。

http://sqlmag.com/database-performance-tuning/distinct-vs-group

也许有区别，如果有涉及的子查询：

http://blog.sqlauthority.com/2007/03/29/sql-server-difference-between-distinct-and-group-by-distinct-vs-group-by/

没有区别 （Oracle风格）：

http://asktom.oracle.com/pls/asktom/f?p=100:11:0::::P11_QUESTION_ID:32961403234212

Answer 4

如果您只想删除重复项，请使用DISTINCT 。 如果要应用聚合运算符（ MAX ， SUM ， GROUP_CONCAT ，…或HAVING子句），请使用GROUPY BY 。

Answer 5

我期望在执行过程中有细微差别的可能性。 我检查了Oracle 10g中这两行function相同的查询的执行计划：

 core> select sta from zip group by sta; --------------------------------------------------------------------------- | Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time | --------------------------------------------------------------------------- | 0 | SELECT STATEMENT | | 58 | 174 | 44 (19)| 00:00:01 | | 1 | HASH GROUP BY | | 58 | 174 | 44 (19)| 00:00:01 | | 2 | TABLE ACCESS FULL| ZIP | 42303 | 123K| 38 (6)| 00:00:01 | --------------------------------------------------------------------------- core> select distinct sta from zip; --------------------------------------------------------------------------- | Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time | --------------------------------------------------------------------------- | 0 | SELECT STATEMENT | | 58 | 174 | 44 (19)| 00:00:01 | | 1 | HASH UNIQUE | | 58 | 174 | 44 (19)| 00:00:01 | | 2 | TABLE ACCESS FULL| ZIP | 42303 | 123K| 38 (6)| 00:00:01 | --------------------------------------------------------------------------- 

中间操作略有不同：“HASH GROUP BY”和“HASH UNIQUE”，但估算的成本等是一致的。 然后我执行这些跟踪和两个实际操作计数是相同的（除了第二个由于caching不必做任何物理读取）。

但是我认为，因为操作名称是不同的，所以执行会遵循一些不同的代码path，从而打开更大的差异的可能性。

我认为你应该更喜欢这种用途的DISTINCT语法。 这不仅仅是习惯，更清楚地表明查询的目的。

Answer 6

对于您发布的查询，它们是相同的。 但对于其他查询，可能并非如此。

例如，它不是一样的：

 SELECT C FROM myTbl GROUP BY C, D 

Answer 7

如果对多列使用DISTINCT，那么结果集将不会像GROUP BY那样分组，您不能将集合函数与DISTINCT一起使用。

Answer 8

它们具有不同的语义，即使它们恰好在您的特定数据上具有相同的结果。

Answer 9

我读了所有上述评论，但没有看到任何人指出除了聚合位之外，组合之间的主要区别。

不同的是返回所有的行然后去重复它们，而Group By逐一删除重复的行。

这意味着他们可以产生不同的结果！

例如，下面的代码会产生不同的结果：

 SELECT distinct ROW_NUMBER() OVER (ORDER BY Name), Name FROM NamesTable SELECT ROW_NUMBER() OVER (ORDER BY Name), Name FROM NamesTable GROUP BY Name 

如果表中有10个名称，其中1个是另一个的副本，则第一个查询返回10行，而第二个查询返回9行。

原因是我上面所说的，所以他们可以有不同的performance！

Answer 10

与单纯的重复删除function的观点有什么不同？

除了与DISTINCT不同的是， GROUP BY允许汇总每个组的数据（这已经被许多其他答案提及），我认为最重要的差异是这两个操作“发生”在两个非常不同的步骤在SELECT语句中执行的操作的逻辑顺序 。

这是最重要的操作：

• FROM （包括JOIN ， APPLY等）
• WHERE
• GROUP BY （可以删除重复项）
• 聚合
• HAVING
• 窗口function
• SELECT
• DISTINCT （可以删除重复项）
• UNION ， INTERSECT ， EXCEPT （可以删除重复项）
• ORDER BY
• OFFSET
• LIMIT

正如你所看到的，每个操作的逻辑顺序影响着可以做什么以及它如何影响后续操作。 特别是， GROUP BY操作“发生在” SELECT操作（投影） 之前的事实意味着：

1. 它不依赖于投影（这可能是一个优点）
2. 它不能使用投影中的任何值（这可能是一个缺点）

1.它不依赖于投影

不依赖于投影的例子是有用的，如果你想计算不同值的窗口函数：

 SELECT rating, row_number() OVER (ORDER BY rating) AS rn FROM film GROUP BY rating 

当对Sakila数据库运行时，这会产生：

 rating rn ----------- G 1 NC-17 2 PG 3 PG-13 4 R 5 

DISTINCT很容易达不到：

 SELECT DISTINCT rating, row_number() OVER (ORDER BY rating) AS rn FROM film 

该查询是“错误”，并产生如下所示：

 rating rn ------------ G 1 G 2 G 3 ... G 178 NC-17 179 NC-17 180 ... 

这不是我们想要的。 DISTINCT操作“发生在”投影之后，所以我们不能再删除DISTINCT等级，因为窗口函数已经被计算和投影了。 为了使用DISTINCT ，我们必须嵌套查询的那一部分：

 SELECT rating, row_number() OVER (ORDER BY rating) AS rn FROM ( SELECT DISTINCT rating FROM film ) f 

附注： 在这种情况下，我们也可以使用DENSE_RANK()

 SELECT DISTINCT rating, dense_rank() OVER (ORDER BY rating) AS rn FROM film 

2.它不能使用投影中的任何值

SQL的一个缺点就是它的冗长性。 出于和我们以前见过的一样的原因（即操作的逻辑顺序），我们不能“容易地”按照我们所预测的东西进行分组。

这是无效的SQL：

 SELECT first_name || ' ' || last_name AS name FROM customer GROUP BY name 

这是有效的（重复expression式）

 SELECT first_name || ' ' || last_name AS name FROM customer GROUP BY first_name || ' ' || last_name 

这也是有效的（嵌套expression式）

 SELECT name FROM ( SELECT first_name || ' ' || last_name AS name FROM customer ) c GROUP BY name 

我在博客文章中更深入地写了这个话题

Answer 11

GROUP BY具有与DISTINCT函数不同（heh）的非常具体的含义。

GROUP BY使查询结果使用选定的expression式进行分组，然后可以应用聚合函数，这些函数将作用于每个组，而不是整个结果集。

以下是一个可能有所帮助的例子：

给定一个如下所示的表格：

 name ------ barry dave bill dave dave barry john 

这个查询：

 SELECT name, count(*) AS count FROM table GROUP BY name; 

将会产生这样的输出：

 name count ------------- barry 2 dave 3 bill 1 john 1 

这与使用DISTINCT显然是非常不同的。 如果你想分组你的结果，使用GROUP BY，如果你只想要一个特定列的唯一列表，使用DISTINCT。 这将使您的数据库有机会针对您的需求优化查询。

Answer 12

如果您使用的是没有任何聚合函数的GROUP BY，那么在内部它将被视为DISTINCT，所以在这种情况下GROUP BY和DISTINCT没有区别。

但是，当您提供DISTINCT子句时更好地使用它来查找唯一的logging，因为GROUP BY的目标是实现聚合。

Answer 13

group by用于合计操作 – 就像当你想获得按列C细分的Bs数一样

 select C, count(B) from myTbl group by C 

不同的是它听起来像 – 你得到独特的行。

在sql server 2005中，它看起来像查询优化器能够优化我运行的简单例子中的差异。 不知道，如果你能在所有的情况下，依靠这一点，但。

Answer 14

当你的意思是DISTINCT时，请不要使用GROUP BY，即使它们碰巧是一样的。 我假设你正试图从查询中减less毫秒数，而且我必须指出，开发者的时间比计算机时间要贵得多。

Answer 15

在那个特定的查询中没有区别。 但是，当然，如果你添加任何聚合列，那么你将不得不使用group by。

Answer 16

从“SQL语言”的angular度来看，这两个结构是等价的，你select哪一个是我们必须做的那些“生活方式”select之一。 我认为DISTINCT是一个很好的例子，因为它更加明确（因此对于inheritance你的代码的人会更加考虑），但这并不意味着GROUP BY构造是无效的select。

我认为这个“GROUP BY是为了聚合”是错误的重点。 民间应该知道，设置函数（MAX，MIN，COUNT等）可以省略，这样他们就可以了解编码器的意图了。

理想的优化器将识别等效的SQL结构，并且总会相应地select理想的计划。 对于您select的真实生活SQL引擎，您必须testing:)

PS注意DISTINCT关键字在select子句中的位置可能会产生不同的结果，例如对比度：

 SELECT COUNT(DISTINCT C) FROM myTbl; SELECT DISTINCT COUNT(C) FROM myTbl; 

Answer 17

你只注意到，因为你正在select一个列。

尝试select两个字段，看看会发生什么。

Group By是为了像这样使用：

 SELECT name, SUM(transaction) FROM myTbl GROUP BY name 

这将显示每个人的所有交易的总和。

Answer 18

我知道这是一个旧的职位。 但是，碰巧有一个查询使用组，只是在蟾蜍中使用该查询时返回不同的值，而oracle报告一切正常，我的意思是一个很好的响应时间。 当我们从Oracle 9i迁移到11g时，蟾蜍的响应时间非常好，但是在报告中花了约35分钟完成报告，使用以前的版本花了大约5分钟。

解决方法是改变组，并使用DISTINCT，现在报告运行约30秒。

我希望这对于有相同情况的人有用。

Answer 19

我一直理解的方式是，使用不同的分组是按照您select的顺序select的每个字段进行分组。

即：

 select distinct a, b, c from table; 

是相同的：

 select a, b, c from table group by a, b, c 

Answer 20

我以前有这个问题，我需要从我的400万行表中追加三列（三列到新表的一个新列），但只有不同的列。

所以我用“group by”方法运行了包含这个查询的存储过程，花了32分钟。 然后我又跑了一遍，但用“明显”的方法，花了25分钟。

这是相同的结果，但用第二种方法要快一点

Answer 21

除了聚合函数的使用之外，group by和distinct clause之间没有显着的区别。 两者都可以用来区分价值，但是如果在性能上来看group by是更好的。 当使用distinct关键字时，内部使用可以在执行计划中查看的sorting操作。

试试简单的例子

声明@tmpresult表（Id tinyint）

插入@tmpresultselect5 Union allselect2 Union allselect3 Union allselect4

从@tmpresult中select不同的ID