Come posso (o posso) SELEZIONARE DISTINCT su più colonne?

Devo recuperare tutte le righe da una tabella in cui 2 colonne combinate sono tutte diverse. Quindi desidero tutte le vendite che non hanno altre vendite avvenute lo stesso giorno allo stesso prezzo. Le vendite uniche in base al giorno e al prezzo verranno aggiornate a uno stato attivo.

Quindi sto pensando:

UPDATE sales
SET status = 'ACTIVE'
WHERE id IN (SELECT DISTINCT (saleprice, saledate), id, count(id)
             FROM sales
             HAVING count = 1)

Ma il mio cervello fa male andando oltre.

SELECT DISTINCT a,b,c FROM t

è approssimativamente equivalente a:

SELECT a,b,c FROM t GROUP BY a,b,c

È una buona idea abituarsi alla sintassi GROUP BY, poiché è più potente.

Per la tua domanda, lo farei così:

UPDATE sales
SET status='ACTIVE'
WHERE id IN
(
    SELECT id
    FROM sales S
    INNER JOIN
    (
        SELECT saleprice, saledate
        FROM sales
        GROUP BY saleprice, saledate
        HAVING COUNT(*) = 1 
    ) T
    ON S.saleprice=T.saleprice AND s.saledate=T.saledate
 )

Se metti insieme le risposte finora, pulisci e migliora, arriveresti a questa domanda superiore:

UPDATE sales
SET    status = 'ACTIVE'
WHERE  (saleprice, saledate) IN (
    SELECT saleprice, saledate
    FROM   sales
    GROUP  BY saleprice, saledate
    HAVING count(*) = 1 
    );

Che è molto più veloce di entrambi. Nukes le prestazioni della risposta attualmente accettata dal fattore 10-15 (nei miei test su PostgreSQL 8.4 e 9.1).

Ma questo è ancora lungi dall'essere ottimale. Utilizzare un NOT EXISTSsemi-join (anti-) per prestazioni ancora migliori. EXISTSè SQL standard, esiste da sempre (almeno da PostgreSQL 7.2, molto prima che questa domanda fosse posta) e si adatta perfettamente ai requisiti presentati:

UPDATE sales s
SET    status = 'ACTIVE'
WHERE  NOT EXISTS (
   SELECT FROM sales s1                     -- SELECT list can be empty for EXISTS
   WHERE  s.saleprice = s1.saleprice
   AND    s.saledate  = s1.saledate
   AND    s.id <> s1.id                     -- except for row itself
   )
AND    s.status IS DISTINCT FROM 'ACTIVE';  -- avoid empty updates. see below

db <> violino qui
Vecchio SQL Fiddle

Chiave univoca per identificare la riga

Se non si dispone di una chiave primaria o unica per la tabella ( idnell'esempio), è possibile sostituire con la colonna di sistema ctidlo scopo di questa query (ma non per altri scopi):

   AND    s1.ctid <> s.ctid

_{Ogni tabella dovrebbe avere una chiave primaria. Aggiungine uno se non ne hai ancora uno. Suggerisco una serialo una IDENTITYcolonna in Postgres 10+.}

Relazionato:

• Generazione di sequenze in ordine
• Colonna della tabella di incremento automatico

Come è più veloce?

La sottoquery EXISTSnell'anti-semi-join può interrompere la valutazione non appena viene trovato il primo duplicato (non è necessario guardare oltre). Per una tabella di base con pochi duplicati, questo è solo leggermente più efficiente. Con molti duplicati questo diventa molto più efficiente.

Escludere aggiornamenti vuoti

Per le righe che già dispongono di status = 'ACTIVE'questo aggiornamento non cambierebbe nulla, ma inseriva comunque una nuova versione di riga a costo pieno (si applicano eccezioni minori). Normalmente, non lo vuoi. Aggiungi un'altra WHEREcondizione come mostrato sopra per evitarlo e renderlo ancora più veloce:

Se statusdefinito NOT NULL, è possibile semplificare per:

AND status <> 'ACTIVE';

Il tipo di dati della colonna deve supportare l' <>operatore. Alcuni tipi come jsonno. Vedere:

• Come eseguire una query su una colonna JSON per oggetti vuoti?

Sottile differenza nella gestione NULL

Questa query (a differenza della risposta attualmente accettata da Joel ) non considera i valori NULL uguali. Le seguenti due righe per (saleprice, saledate)si qualificherebbero "distinte" (sebbene sembrino identiche all'occhio umano):

(123, NULL)
(123, NULL)

Passa anche in un indice univoco e quasi ovunque, poiché i valori NULL non si equivalgono in base allo standard SQL. Vedere:

• Crea un vincolo univoco con colonne null

OTOH, GROUP BY, DISTINCTo DISTINCT ON ()valori trattare NULL come uguali. Utilizzare uno stile di query appropriato a seconda di ciò che si desidera ottenere. Puoi comunque utilizzare questa query più veloce con IS NOT DISTINCT FROManziché =per qualsiasi o tutti i confronti per rendere NULL il confronto uguale. Di Più:

• Come eliminare le righe duplicate senza identificativo univoco

Se vengono definite tutte le colonne da confrontare NOT NULL, non c'è spazio per il disaccordo.

Il problema con la query è che quando si utilizza una clausola GROUP BY (che essenzialmente si fa utilizzando distinti) è possibile utilizzare solo le colonne raggruppate o le funzioni aggregate. Non è possibile utilizzare l'id della colonna perché esistono valori potenzialmente diversi. Nel tuo caso c'è sempre un solo valore a causa della clausola HAVING, ma la maggior parte dei RDBMS non sono abbastanza intelligenti da riconoscerlo.

Questo dovrebbe funzionare comunque (e non ha bisogno di un join):

UPDATE sales
SET status='ACTIVE'
WHERE id IN (
  SELECT MIN(id) FROM sales
  GROUP BY saleprice, saledate
  HAVING COUNT(id) = 1
)

È inoltre possibile utilizzare MAX o AVG anziché MIN, è importante utilizzare solo una funzione che restituisce il valore della colonna se esiste solo una riga corrispondente.

Voglio selezionare i valori distinti da una colonna 'GrondOfLucht' ma dovrebbero essere ordinati nell'ordine indicato nella colonna 'sortering'. Non riesco a ottenere i valori distinti di una sola colonna usando

Select distinct GrondOfLucht,sortering
from CorWijzeVanAanleg
order by sortering

Darà anche la colonna 'sortering' e poiché 'GrondOfLucht' AND 'sortering' non è univoco, il risultato sarà TUTTE le righe.

usa il GRUPPO per selezionare i record di 'GrondOfLucht' nell'ordine dato da 'sortering

SELECT        GrondOfLucht
FROM            dbo.CorWijzeVanAanleg
GROUP BY GrondOfLucht, sortering
ORDER BY MIN(sortering)

Se il tuo DBMS non supporta distinti con più colonne come questa:

select distinct(col1, col2) from table

La selezione multipla in generale può essere eseguita in modo sicuro come segue:

select distinct * from (select col1, col2 from table ) as x

Poiché ciò può funzionare sulla maggior parte dei DBMS e si prevede che questo sarà più veloce del raggruppamento per soluzione poiché si sta evitando la funzionalità di raggruppamento.