:~$ newsletter --subscribe
cat ~/artykuly/bazy-danych/distinct-eliminacja-powtarzajacych-sie-danych-w-zapytaniach-sql.md

DISTINCT – Eliminacja powtarzających się danych w zapytaniach SQL

Przy pobieraniu informacji z relacyjnej bazy danych, czasami przy łączeniu tabel i wyświetlaniu wyników, dane, które pobraliśmy, po prostu się powtarzają. Na szczęście w SQL możemy szybko pozbyć się zbędnych wierszy…

Oczywiście należy tutaj pamiętać o tym, że w relacyjnych bazach danych nie znajdziemy powtarzających się wierszy, ale w wyniku różnych złączeń tabel możemy mieć powtórzone zapisane informacje. Dobrym przykładem jest sytuacja kiedy wyświetlamy informacje o zamówieniach, mogą tutaj zostać powtórzone dane ze względu na realizację kilku zakupów w ramach jednego zamówienia.

Aby uniknąć takiej sytuacji posługujemy się słowem kluczowym DISTINCT, które stawiamy zaraz po SELECT:

sql
SELECT DISTINCT IDzamowienia FROM zamowienia;

Ogólna składnia:

sql
SELECT DISTINCT kolumna1, kolumna2 FROM tabela;

DISTINCT na kilku kolumnach

Częsta pomyłka: DISTINCT nie działa na pojedynczej kolumnie, tylko na CAŁYM zestawie kolumn wymienionych po SELECT. Zapytanie poniżej zwróci unikalne PARY miasto plus kod pocztowy, a nie unikalne miasta:

sql
SELECT DISTINCT miasto, kodPocztowy FROM klienci;

Jeżeli Warszawa występuje z trzema różnymi kodami pocztowymi, w wyniku zobaczymy trzy wiersze z Warszawą. To zachowanie poprawne, choć na pierwszy rzut oka wygląda jak „niedziałający DISTINCT”.

Zliczanie unikalnych wartości: COUNT(DISTINCT)

Bardzo praktyczne połączenie: ile RÓŻNYCH miast obsługujemy? Zamiast pobierać listę i liczyć ją samodzielnie, prosimy bazę:

sql
SELECT COUNT(DISTINCT miasto) FROM klienci;

Zwykłe COUNT(miasto) policzyłoby wszystkie wiersze z wypełnionym miastem, a wariant z DISTINCT policzy każde miasto tylko raz.

DISTINCT czy GROUP BY?

Ten sam efekt unikalnych wierszy można osiągnąć grupowaniem: SELECT miasto FROM klienci GROUP BY miasto;. Którego użyć? Zasada jest prosta. Gdy chcemy TYLKO usunąć duplikaty, czytelniejszy jest DISTINCT, bo wprost mówi o intencji. Gdy przy okazji liczymy coś dla każdej grupy (sumę, średnią, liczność), właściwy jest GROUP BY, bo DISTINCT tego nie potrafi. Nowoczesne bazy wykonują oba warianty tak samo szybko, więc to kwestia czytelności, nie wydajności.

Jedna uwaga o wydajności na koniec: DISTINCT zmusza bazę do posortowania albo zhashowania całego wyniku, żeby znaleźć duplikaty. Na dużych tabelach bywa kosztowny, dlatego nie warto dodawać go „na wszelki wypadek” do każdego zapytania. Jeżeli duplikaty pojawiają się po złączeniu tabel, często znaczy to, że warunek JOIN jest zbyt luźny i lepiej poprawić złączenie, niż maskować problem DISTINCT-em.

udostępnij: ·
Łukasz Dudziński
Łukasz Dudziński · założyciel i autor
Pasjonat informatyki, a zwłaszcza programowania. Zwariowany maniak na tle nowych technologii oraz komputerów. W wolnych chwilach bloger... więcej-o-mnie →
ls ~/artykuly/powiazane --limit 3
komentarze --count 2
rss dla komentarzy →
Adrian2017-06-21 ·

W artykule jest bład. Nie ma słowa kluczowego DISTINC tylko DISTINCT.

lukas1242017-06-22 ·

Dzięki za uwagę, poprawiłem ;)

dodaj-komentarz

Komentarze są moderowane. Podane dane przetwarzamy wyłącznie w celu publikacji komentarza (polityka prywatności).