PostgreSQL 資料庫中 DISTINCT 關鍵字的 4 種用法

大家好，我是隻談技術不剪髮的 Tony 老師。PostgreSQL 不但高度相容 SQL 標準，同時還對很多語法進行了擴充套件，可以用於實現一些特殊的功能。今天我們就來介紹一下 PostgreSQL 資料庫中 DISTINCT 關鍵字的 4 種不同用法。

本文示例資料點此下載，如果覺得文章有用，歡迎評論?、點贊?、推薦?

DISTINCT

按照 SQL 標準，SELECT DISTINCT可以在返回查詢結果之前去除重複的記錄，每個重複的資料組中只保留一條記錄。例如：

SELECT DISTINCT dept_id, sex
FROM employee;

dept_id|sex|
-------|---|
      4|男  |
      1|男  |
      4|女  |
      5|男  |
      3|女  |
      2|男  |

以上語句中的 DISTINCT 表示返回不同部門 id 和性別的組合值。我們也可以使用 GROUP BY 實現相同的結果：

SELECT dept_id, sex
FROM employee
GROUP BY dept_id, sex;

?按照 SQL 標準，多個 NULL 值對於 DISTINCT 而言屬於相同的分組。

DISTINCT ON

考慮一個問題：每個部門中月薪最高的員工都是誰？這個問題可以使用多種實現方法：

-- 子查詢
SELECT dept_id, emp_name,salary
FROM employee
WHERE (dept_id, salary) IN ( SELECT dept_id, MAX(salary)
                             FROM employee
                             GROUP BY dept_id );

dept_id|emp_name|salary  |
-------|--------|--------|
      1|劉備     |30000.00|
      2|諸葛亮    |24000.00|
      3|孫尚香    |12000.00|
      4|趙雲     |15000.00|
      5|法正     |10000.00|

-- 視窗函式
WITH ranked_employee AS (
  SELECT dept_id, emp_name, salary, ROW_NUMBER() OVER (PARTITION BY dept_id ORDER BY salary DESC) rn
  FROM employee
)
SELECT *
FROM ranked_employee
WHERE rn = 1;

dept_id|emp_name|salary  |rn|
-------|--------|--------|--|
      1|劉備     |30000.00| 1|
      2|諸葛亮    |24000.00| 1|
      3|孫尚香    |12000.00| 1|
      4|趙雲     |15000.00| 1|
      5|法正     |10000.00| 1|

其中，第一個語句使用了子查詢；第二個語句使用了視窗函式，除了 ROW_NUMBER 之外，也可以使用 RANK 或者 DENSE_RANK 等函式。這兩者都是 SQL 標準實現。

除此之外，PostgreSQL 提供了擴充套件的 DISTINCT ON 子句，可以更加方便地實現以上結果：

SELECT DISTINCT ON (dept_id) dept_id, emp_name, salary
FROM employee
ORDER BY dept_id, salary DESC;

dept_id|emp_name|salary  |rn|
-------|--------|--------|--|
      1|劉備     |30000.00| 1|
      2|諸葛亮    |24000.00| 1|
      3|孫尚香    |12000.00| 1|
      4|趙雲     |15000.00| 1|
      5|法正     |10000.00| 1|

其中，DISTINCT ON (dept_id) 表示部門 id 相同的資料組，返回其中的第一條記錄；ORDER BY 子句確保了返回的是每個部分中月薪最高的記錄。DISTINCT ON 中的欄位或表示式（可能多個）必須和 ORDER BY 最左側的幾個欄位或表示式相同。

IS DISTINCT FROM

空值（NULL）是資料庫中的一個特殊值，通常用於表示缺失值或者不適用的值。空值的比較是一個比較容易出錯的問題。例如：

WITH t AS ( 
  SELECT 1 AS a, 1 AS b
  UNION ALL 
  SELECT 1, 2
  UNION ALL 
  SELECT NULL, 1
  UNION ALL 
  SELECT NULL, NULL )
SELECT a, b, a = b "a=b"
FROM t;

a   |b   |a=b  |
----|----|-----|
1   |1   |true |
1   |2   |false|
NULL|1   |NULL |
NULL|NULL|NULL |

當我們使用比較運算子（=、<>、<、> 等）與 NULL 進行比較時，結果既不是真也不是假，而是未知；因為 NULL 表示未知，也就意味著可能是任何值；我們不能說兩個未知的值相同，也不能說它們不相同。

為了比較 NULL 值，SQL 定義了兩個專用的運算子：IS NULL和IS NOT NULL。例如：

SELECT 1 IS NULL "1 IS NULL",
       1 IS NOT NULL "1 IS NOT NULL",
       NULL IS NULL "NULL IS NULL",
       NULL IS NOT NULL "NULL IS NOT NULL";

1 IS NULL|1 IS NOT NULL|NULL IS NULL|NULL IS NOT NULL|
---------|-------------|------------|----------------|
false    |true         |true        |false           |

因此，對於兩個可能為空的欄位進行比較的完整方法如下：

WITH t AS ( 
  SELECT 1 AS a, 1 AS b
  UNION ALL 
  SELECT 1, 2
  UNION ALL 
  SELECT NULL, 1
  UNION ALL 
  SELECT NULL, NULL )
SELECT a, b,
       (a IS NULL AND b IS NULL)
       OR 
       (a IS NOT NULL AND b IS NOT NULL AND a = b) "a=b"
FROM t;

a   |b   |a=b  |
----|----|-----|
1   |1   |true |
1   |2   |false|
NULL|1   |false|
NULL|NULL|true |

以上語句返回了我們期望的結果，但是讀寫都很不方便；為此，PostgreSQL 提供了擴充套件的 IS [NOT] DISTINCT FROM 運算子，支援 NULL 值的比較。例如：

WITH t AS ( 
  SELECT 1 AS a, 1 AS b
  UNION ALL 
  SELECT 1, 2
  UNION ALL 
  SELECT NULL, 1
  UNION ALL 
  SELECT NULL, NULL )
SELECT a, b, a IS NOT DISTINCT FROM b "a=b"
FROM t;

a   |b   |a=b  |
----|----|-----|
1   |1   |true |
1   |2   |false|
NULL|1   |false|
NULL|NULL|true |

注意，IS NOT DISTINCT FROM 表示判斷兩個資料是否相同，IS DISTINCT FROM 表示判斷兩個資料是否不同；它們都將 NULL 看作已知的一個特殊值，而不是 SQL 標準中的未知值。顯然這種語法更加言簡意賅。

另外，PostgreSQL 還提供了一個配置變數 transform_null_equals，該引數預設為 off；如果設定為 on，PostgreSQL 會自動執行 convert x = NULL 到 x IS NULL 的轉換。建議不要依賴這個引數的設定，而是應該修改應用程式

?關於 SQL 空值的詳細討論以及它們在 MySQL、Oracle、SQL Server、PostgreSQL、SQLite 中的具體實現，可以參考這篇文章。

聚合函式與 DISTINCT

聚合函式（aggregate function）針對一組資料行進行運算，並且返回一條結果。PostgreSQL 支援的聚合函式包括 AVG、COUNT、MAX/MIN、SUM、STRING_AGG、ARRAY_AGG 等。例如：

SELECT dept_id, count(*), avg(salary), string_agg(emp_name, ',' ORDER BY salary DESC)
FROM employee
GROUP BY dept_id
ORDER BY dept_id;

dept_id|count|avg                   |string_agg                            |
-------|-----|----------------------|--------------------------------------|
      1|    3|    26666.666666666667|劉備,關羽,張飛                          |
      2|    3|13166.6666666666666667|諸葛亮,黃忠,魏延                        |
      3|    2| 9000.0000000000000000|孫尚香,孫丫鬟                           |
      4|    9| 7577.7777777777777778|趙雲,周倉,關興,關平,趙氏,廖化,張苞,趙統,馬岱|
      5|    8| 5012.5000000000000000|法正,簡雍,孫乾,糜竺,黃權,龐統,鄧芝,蔣琬    |

以上語句返回了每個部門的員工人數、平均月薪以及所有員工姓名的連線字串（按照月薪從高到低）。

PostgreSQL 不僅實現了分組聚合操作，還支援聚合函式中的 DISTINCT 選項，可以在進行彙總之前去除每個分組中的重複記錄。例如：

SELECT dept_id, string_agg(sex, ','), string_agg(DISTINCT sex, ',') string_agg_distinct
FROM employee
GROUP BY dept_id
ORDER BY dept_id;

dept_id|string_agg             |string_agg_distinct|
-------|-----------------------|-------------------|
      1|男,男,男                |男                 |
      2|男,男,男                |男                 |
      3|女,女                   |女                 |
      4|男,女,男,男,男,男,男,男,男|女,男               |
      5|男,男,男,男,男,男,男,男   |男                 |