Cosa c'è di più veloce, SELEZIONA DISTINCT o GROUP BY in MySQL?

Se ho un tavolo

CREATE TABLE users (
  id int(10) unsigned NOT NULL auto_increment,
  name varchar(255) NOT NULL,
  profession varchar(255) NOT NULL,
  employer varchar(255) NOT NULL,
  PRIMARY KEY  (id)
)

e voglio ottenere tutti i valori univoci di professioncampo, cosa sarebbe più veloce (o raccomandato):

SELECT DISTINCT u.profession FROM users u

o

SELECT u.profession FROM users u GROUP BY u.profession

?

Sono sostanzialmente equivalenti tra loro (in effetti è così che alcuni database implementano DISTINCTsotto il cofano).

Se uno di questi è più veloce, lo sarà DISTINCT. Questo perché, sebbene i due siano gli stessi, un Query Optimizer dovrebbe cogliere il fatto che il tuo GROUP BYnon sta sfruttando alcun membro del gruppo, ma solo le loro chiavi. DISTINCTlo rende esplicito, così puoi farcela con un ottimizzatore leggermente più stupido.

In caso di dubbi, prova!

Se hai un indice attivo profession, questi due sono sinonimi.

In caso contrario, utilizzare DISTINCT.

GROUP BYin una MySQLsorta di risultati. Puoi anche fare:

SELECT u.profession FROM users u GROUP BY u.profession DESC

e DESCordina le tue professioni in ordine.

DISTINCTcrea una tabella temporanea e la utilizza per l'archiviazione dei duplicati. GROUP BYfa lo stesso, ma in seguito ordina i risultati distinti.

Così

SELECT DISTINCT u.profession FROM users u

è più veloce, se non hai un indice attivo profession.

Tutte le risposte sopra sono corrette, per il caso di DISTINCT su una singola colonna vs GROUP BY su una singola colonna. Ogni motore db ha la sua implementazione e ottimizzazioni e, se ti preoccupi della minima differenza (nella maggior parte dei casi), devi testare su server specifici E versioni specifiche! Poiché le implementazioni possono cambiare ...

MA, se si seleziona più di una colonna nella query, DISTINCT è sostanzialmente diverso! Perché in questo caso confronterà TUTTE le colonne di tutte le righe, anziché solo una colonna.

Quindi se hai qualcosa come:

// This will NOT return unique by [id], but unique by (id,name)
SELECT DISTINCT id, name FROM some_query_with_joins

// This will select unique by [id].
SELECT id, name FROM some_query_with_joins GROUP BY id

È un errore comune pensare che la parola chiave DISTINCT distingua le righe in base alla prima colonna specificata, ma DISTINCT è una parola chiave generica in questo modo.

Quindi le persone che devi fare attenzione a non prendere le risposte sopra come corrette per tutti i casi ... Potresti essere confuso e ottenere risultati sbagliati mentre tutto ciò che volevi era ottimizzare!

Scegli il più semplice e il più breve possibile: DISTINCT sembra essere più quello che stai cercando solo perché ti darà ESATTAMENTE la risposta di cui hai bisogno e solo quella!

Raggruppare per è costoso rispetto a Distinto poiché Raggruppa per fa una sorta sul risultato mentre distinto lo evita. Ma se si desidera creare un gruppo restituendo lo stesso risultato di un distinto, dare l' ordine per null ..

SELECT DISTINCT u.profession FROM users u

è uguale a

SELECT u.profession FROM users u GROUP BY u.profession order by null

ben distinto può essere più lento del gruppo in alcune occasioni in postgres (non so di altri dbs).

esempio testato:

postgres=# select count(*) from (select distinct i from g) a;

count 

10001
(1 row)

Time: 1563,109 ms

postgres=# select count(*) from (select i from g group by i) a;

count
10001
(1 row)

Time: 594,481 ms

http://www.pgsql.cz/index.php/PostgreSQL_SQL_Tricks_I

perciò stai attento ... :)

Sembra che le query non siano esattamente le stesse. Almeno per MySQL.

Confrontare:

1. descrivere selezionare un nome prodotto distinto da northwind.products
2. descrivere selezionare productname dal gruppo northwind.products per productname

La seconda query fornisce inoltre "Utilizzo di filesort" in Extra.

In MySQL , " Group By" usa un passo in più: filesort. Mi rendo conto che DISTINCTè più veloce di GROUP BY, ed è stata una sorpresa.

Dopo pesanti test siamo giunti alla conclusione che GROUP BY è più veloce

SELEZIONA sql_no_cache opnamegroep_intern DA telwerken DOVE opnemergroepIN (7,8,9,10,11,12,13) ​​raggruppa per opnamegroep_intern

635 totaal 0,0944 secondi Weergave van records 0 - 29 (635 totaal, query duurde 0,0484 sec)

SELEZIONA sql_no_cache distinto (opnamegroep_intern) DA telwerken DOVE opnemergroepIN (7,8,9,10,11,12,13)

635 totali 0,2117 secondi (quasi il 100% più lenti) Registrazione furgoni Weergave 0-29 (635 totali, query duurde 0,3468 sec)

(più di una nota funzionale)

In alcuni casi è necessario utilizzare GROUP BY, ad esempio se si desidera ottenere il numero di dipendenti per datore di lavoro:

SELECT u.employer, COUNT(u.id) AS "total employees" FROM users u GROUP BY u.employer

In un tale scenario DISTINCT u.employernon funziona bene. Forse c'è un modo, ma proprio non lo so. (Se qualcuno sa come effettuare una query del genere con DISTINCT, aggiungi una nota!)

Ecco un approccio semplice che stamperà i 2 diversi tempi trascorsi per ogni query.

DECLARE @t1 DATETIME;
DECLARE @t2 DATETIME;

SET @t1 = GETDATE();
SELECT DISTINCT u.profession FROM users u; --Query with DISTINCT
SET @t2 = GETDATE();
PRINT 'Elapsed time (ms): ' + CAST(DATEDIFF(millisecond, @t1, @t2) AS varchar);

SET @t1 = GETDATE();
SELECT u.profession FROM users u GROUP BY u.profession; --Query with GROUP BY
SET @t2 = GETDATE();
PRINT 'Elapsed time (ms): ' + CAST(DATEDIFF(millisecond, @t1, @t2) AS varchar);

O prova SET STATISTICS TIME (Transact-SQL)

SET STATISTICS TIME ON;
SELECT DISTINCT u.profession FROM users u; --Query with DISTINCT
SELECT u.profession FROM users u GROUP BY u.profession; --Query with GROUP BY
SET STATISTICS TIME OFF;

Visualizza semplicemente il numero di millisecondi richiesti per analizzare, compilare ed eseguire ciascuna istruzione come di seguito:

 SQL Server Execution Times:
   CPU time = 0 ms,  elapsed time = 2 ms.

Questa non è una regola

Per ogni query .... prova separatamente e poi raggruppa per ... confronta il tempo per completare ogni query e usa il più veloce ....

Nel mio progetto qualche volta uso group by e altri distinti

Se non è necessario eseguire alcuna funzione di gruppo (somma, media ecc. Nel caso si desideri aggiungere dati numerici alla tabella), utilizzare SELEZIONA DISTINCT. Ho il sospetto che sia più veloce, ma non ho nulla da mostrare per questo.

In ogni caso, se sei preoccupato per la velocità, crea un indice sulla colonna.

SELECT DISTINCT sarà sempre lo stesso o più veloce di un GROUP BY. Su alcuni sistemi (ad es. Oracle), potrebbe essere ottimizzato per essere uguale a DISTINCT per la maggior parte delle query. Su altri (come SQL Server), può essere notevolmente più veloce.

Se il problema lo consente, prova con EXISTS, poiché è ottimizzato per terminare non appena viene trovato un risultato (e non bufferizzare alcuna risposta), quindi, se stai solo cercando di normalizzare i dati per una clausola WHERE come questa

SELECT FROM SOMETHING S WHERE S.ID IN ( SELECT DISTINCT DCR.SOMETHING_ID FROM DIFF_CARDINALITY_RELATIONSHIP DCR ) -- to keep same cardinality

Una risposta più rapida sarebbe:

SELECT FROM SOMETHING S WHERE EXISTS ( SELECT 1 FROM DIFF_CARDINALITY_RELATIONSHIP DCR WHERE DCR.SOMETHING_ID = S.ID )

Questo non è sempre possibile ma quando disponibile vedrai una risposta più veloce.