技术分享 | MySQL多列字段去重的案例实践

同事提了个需求，如下测试表，有code、cdate和ctotal三列，

select * from tt;

现在要得到code的唯一值，但同时带着cdate和ctotal两个字段。

提起"唯一值"，想到的就是distinct。distinct关键字可以过滤多余的重复记录只保留一条。

distinct支持单列去重和多列去重，如果是单列去重，简明易懂，即相同值只保留1个，如下所示，

select distinct code from tt;

多列去重则是根据指定的去重列信息进行，即只有所有指定的列信息都相同，才会被认为是重复的信息，如下所示，code、cdate和ctotal都相同，才会返回记录，因此不是字面上的理解，即只要code是distinct的，cdate和ctotal无需关注。实际上当distinct应用到多个字段的时候，其应用的范围是其后面的所有字段，而不只是紧贴着它的一个字段，即distinct同时作用了三个字段，code、cdate和ctotal，并不只是code字段，

select distinct code, cdate, ctotal from tt;

而且distinct只能放到所有字段的前面，如果像这种，distinct之前有其它字段，则会提示错误，

select cdate, ctotal, distinct code from tt;


SQL 错误 [1064] [42000]: You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'distinct code from tt' at line 1

但是如上SQL使用distinct关键字，并没有满足需求，即得到code的唯一值，但同时带着cdate和ctotal两个字段，可以看到有很多相同的code。

除了distinct，group by子句也可以去重，从需求的理解上，如果按照code做group by，应该就可以得到唯一的code了，但是实际执行，提示这个错误，

select code, cdate, ctotal from tt group by code;


SQL 错误 [1055] [42000]: Expression #1 of SELECT list is not in GROUP BY clause and contains nonaggregated column 'test.tt.code' which is not functionally dependent on columns in GROUP BY clause; this is incompatible with sql_mode=only_full_group_by

很常见的错误，因为sql_mode中含only_full_group_by规则，

show variables like '%sql_mode%';


ONLY_FULL_GROUP_BY,STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_ENGINE_SUBSTITUTION

only_full_group_by规则是指对group by进行查询的SQL，不允许select部分出现group by中未出现的字段，也就是select查询的字段必须是group by中出现的或者使用聚合函数的，即校验更加严格。

P.S. MySQL不同版本sql_mode默认值可能是不同的，因此在数据库升级配合的应用迁移过程中，尤其要注意像only_full_group_by这种校验规则的改变，很可能是个坑。

仅针对当前这个问题，可以在会话级，修改sql_mode，调整校验的强度，删除only_full_group_by，

set session sql_mode='STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_ENGINE_SUBSTITUTION';

此时，使用group by，

select code, cdate, ctotal from tt group by code;

就可以得到想要的效果了，

除了group by，还可以使用group_concat函数，配合distinct，达到相同效果。

我们分解来做，可以看到group_concat(code)，得到的是所有记录的code值拼接成新字段，

select group_concat(code), cdate, ctotal from tt group by code;

group_concat中加上distinct，就可以过滤所有的重复值，满足了需求，

select group_concat(distinct code), cdate, ctotal from tt group by code;

当然，这种在会话级通过改动sql_mode实现的路径，还需要考虑场景，因为缺少only_full_group_by的校验，按照code聚类了，但cdate和ctotal的值很可能是不唯一的，返回的结果，只能准确描述code的数据情况，不能代表cdate和ctotal的真实数据情况。因此，任何方案的选择，都需要结合实际的场景需求，我们找的方案，不一定是最好的，但需要最合适的。

本文关键字：#SQL# #去重#