針對distinct疑問引發(fā)的一系列思考

有人提出了這樣一個問題，整理出來給大家也參考一下

假設有如下這樣一張表格：

這里的數(shù)據(jù)，具有如下的特征：在一個DepartmentId中，可能會有多個Name，反之也是一樣。就是說Name和DepartmentId是多對多的關系。

現(xiàn)在想實現(xiàn)這樣一個查詢：按照DepartmentID排完序之后（第一步），再獲取Name列的不重復值（第二步），而且要保留在第一步后的相對順序。以本例而言，應該返回三個值依次是：ACB

我們首先會想到下面這樣一個寫法

select distinct name from Sample order by DepartmentId

從語義上說，這是很自然的。但是很可惜，這個語句根本無法執(zhí)行，錯誤消息是：

這個錯誤的意思是，如果使用了DISTINCT(去重復值），則出現(xiàn)在OrderBy后面的字段，必須也出現(xiàn)在SELECT后面，但如果DepartmentID如果也真的出現(xiàn)在SELECT后面，顯然是不會有重復值的，所以結果肯定也是不對的。

select distinct name,DepartmentId from Sample order by DepartmentId

那么，既然DISINCT 與OrderBy結合起來用會有這個的一個問題，我們是否有可能變通一下，例如下面這樣：

SELECT distinct a.Name
FROM (select top 100 percent name from Sample order by DepartmentId) a

想比較之前的寫法，我們用到了子查詢技術。同樣從語義上看，仍熱是很直觀明了的。我想先按照DepartmentId進行排序, 然后再去重復值。但是返回到結果是下面這樣的：

雖然確實去除了重復值，但返回的順序卻是不對的。我們希望是先按照DepartmentId排序之后，然后去除重復值，并且保留排序后的相對順序。

為什么會出現(xiàn)上面這個結果呢？其實是因為DISTINCT本身是會做排序的，而且這個行為是無法更改的（下圖的執(zhí)行計劃中可以看到這一點）。所以其實我們之前做的Order by在這里會失去意義?！緦嶋H上，如果觀察ADO.NET Entity Framework等ORM工具中生成的類似的一個查詢，它會自動丟棄Order by的設置】

那么，這樣的情況下，是不是就不可能實現(xiàn)需求了呢？雖然說，這個需求并不多見，絕大部分時候，DISTINCT作為最后一個操作，做一次排序是合乎情理的。

我是這樣考慮到，既然DISTINCT的這個行為是內置的，那么是否可以繞過這個操作呢？最終我用的一個解決方案是：我能不能把每個Name都編上一個編號，例如有兩個A的話，第一個A我為它編號為1，第二個編號為2，以此類推。然后，查詢的時候，我先排序，然后篩選那些編號為1的Name，這樣其實也就實現(xiàn)了去重復值了。

SQL Server 2005開始提供了一個ROW_NUMBER的功能，結合這個功能，我實現(xiàn)了下面這樣的查詢：

select a.Name from 
(select top 100 percent
Name,DepartmentId,ROW_NUMBER() over(partition by name order by departmentid) row
from Sample order by DepartmentId) a
where a.row=1
order by a.DepartmentId

然后，我得到了下面這樣的結果，我推敲下來，這應該是符合了之前提到的這個需求的

相比較而言，這個查詢的效率會低一些，這個是可以預見的（可以通過下圖看出一點端倪）。但如果需求是硬性的，那么犧牲一些性能也是不奇怪的。當然，我們可以再研究看看是否有更優(yōu)的一些寫法。無論如何，使用內置標準的實現(xiàn)，通常都是相對較快的。

以上就是關于distinct疑問引發(fā)的一系列思考，希望對大家的學習有所幫助。