SQL去重是資料分析工作中比較常見的一個場景，今天給大家具體介紹3種去重的方法。
在使用SQL提數的時候，常會遇到表內有重複值的時候，比如我們想得到 uv （獨立訪客），就需要做去重。
在 MySQL 中通常是使用 distinct 或 group by子句，但在支援視窗函式的 sql（如Hive SQL、Oracle等等） 中還可以使用 row_number 視窗函式進行去重。
舉個例子，現有這樣一張表 task：
備註：
● task_id: 任務id；
● order_id: 訂單id；
● start_time: 開始時間
注意：一個任務對應多條訂單
我們需要求出任務的總數量，因為 task_id 並非唯一的，所以需要去重：
distinct
— 列出 task_id 的所有唯一值（去重後的記錄）
— select distinct task_id
— from Task；
— 任務總數
select count(distinct task_id) task_num
from Task;
distinct 通常效率較低。它不適合用來展示去重後具體的值，一般與 count 配合用來計算條數。
distinct 使用中，放在 select 後邊，對後面所有的欄位的值統一進行去重。比如distinct後面有兩個欄位，那麼 1,1 和 1,2 這兩條記錄不是重複值 。
group by
— 列出 task_id 的所有唯一值（去重後的記錄,null也是值）
— select task_id
— from Task
— group by task_id;
— 任務總數
select count(task_id) task_num
from (select task_id
from Task
group by task_id) tmp;
row_number
row_number 是視窗函式，語法如下：
row_number() over (partition by order by )
其中 partition by 部分可省略。
— 在支援視窗函式的 sql 中使用
select count(case when rn=1 then task_id else null end) task_num
from (select task_id
, row_number() over (partition by task_id order by start_time) rn
from Task) tmp;
此外，再借助一個表 test 來理理 distinct 和 group by 在去重中的使用
— 下方的分號;用來分隔行
select distinct user_id
from Test; — 返回 1; 2
select distinct user_id, user_type
from Test; — 返回1, 1; 1, 2; 2, 1
select user_id
from Test
group by user_id; — 返回1; 2
select user_id, user_type
from Test
group by user_id, user_type; — 返回1, 1; 1, 2; 2, 1
select user_id, user_type
from Test
group by user_id;
— Hive、Oracle等會報錯，mysql可以這樣寫。
— 返回1, 1 或 1, 2 ; 2, 1（共兩行）。只會對group by後面的欄位去重，就是說最後返回的記錄數等於上一段sql的記錄數，即2條
— 沒有放在group by 後面但是在select中放了的欄位，只會返回一條記錄。
