Y a-t-il une différence entre GROUP BY et DISTINCT ?

Question

J'ai appris quelque chose de simple sur SQL l'autre jour :

SELECT c FROM myTbl GROUP BY C

A le même résultat que :

SELECT DISTINCT C FROM myTble

Ce qui m'intrigue, c'est de savoir s'il y a quelque chose de différent dans la façon dont un moteur SQL traite la commande, ou si c'est vraiment la même chose ?

Je préfère personnellement la syntaxe distincte, mais je suis sûr que c'est plus par habitude qu'autre chose.

EDIT : Il ne s'agit pas d'une question sur les agrégats. L'utilisation de GROUP BY avec des fonctions agrégées est comprise.

Answer 1

MusiGenesis Le serveur SQL est suffisamment intelligent pour comprendre que si vous utilisez "Group By" sans utiliser de fonctions d'agrégation, ce que vous voulez dire en réalité est "Distinct" - et il génère donc un plan d'exécution comme si vous aviez simplement utilisé "Distinct".

Cependant, je pense qu'il est important de noter Hank Le traitement cavalier de "Group By" et "Distinct" peut conduire à des problèmes pernicieux si vous ne faites pas attention. Il n'est pas tout à fait correct de dire qu'il ne s'agit "pas d'une question sur les agrégats", car votre question porte sur la différence fonctionnelle entre deux mots-clés de requête SQL, dont l'un est destiné à être utilisé avec des agrégats et dont l'un ne l'est pas.

Un marteau peut parfois servir à enfoncer une vis, mais si vous avez un tournevis à portée de main, à quoi bon ?

Answer 2

GROUP BY vous permet d'utiliser des fonctions d'agrégation, comme AVG , MAX , MIN , SUM y COUNT . Autre main DISTINCT supprime simplement les doublons.

Par exemple, si vous avez un tas d'enregistrements d'achats, et que vous voulez savoir combien a été dépensé par chaque département, vous pouvez faire quelque chose comme ça :

SELECT department, SUM(amount) FROM purchases GROUP BY department

Vous obtiendrez ainsi une ligne par département, contenant le nom du département et la somme de tous les éléments suivants amount dans toutes les lignes de ce département.

Answer 3

Il n'y a pas de différence (dans SQL Server, au moins). Les deux requêtes utilisent le même plan d'exécution.

http://sqlmag.com/database-performance-tuning/distinct-vs-group

Peut-être qu'il y a est une différence, si des sous-requêtes sont impliquées :

http://blog.sqlauthority.com/2007/03/29/sql-server-difference-between-distinct-and-group-by-distinct-vs-group-by/

Il n'y a aucune différence (style Oracle) :

http://asktom.oracle.com/pls/asktom/f?p=100:11:0::::P11_QUESTION_ID:32961403234212

Answer 4

Utilice DISTINCT si vous voulez juste supprimer les doublons. Utilisez GROUPY BY si vous voulez appliquer des opérateurs d'agrégation ( MAX , SUM , GROUP_CONCAT , ..., ou un HAVING clause).

Answer 5

Je suppose qu'il est possible qu'il y ait des différences subtiles dans leur exécution. J'ai vérifié les plans d'exécution de deux requêtes fonctionnellement équivalentes de ce type dans Oracle 10g :

core> select sta from zip group by sta;

---------------------------------------------------------------------------
| Id  | Operation          | Name | Rows  | Bytes | Cost (%CPU)| Time     |
---------------------------------------------------------------------------
|   0 | SELECT STATEMENT   |      |    58 |   174 |    44  (19)| 00:00:01 |
|   1 |  HASH GROUP BY     |      |    58 |   174 |    44  (19)| 00:00:01 |
|   2 |   TABLE ACCESS FULL| ZIP  | 42303 |   123K|    38   (6)| 00:00:01 |
---------------------------------------------------------------------------

core> select distinct sta from zip;

---------------------------------------------------------------------------
| Id  | Operation          | Name | Rows  | Bytes | Cost (%CPU)| Time     |
---------------------------------------------------------------------------
|   0 | SELECT STATEMENT   |      |    58 |   174 |    44  (19)| 00:00:01 |
|   1 |  HASH UNIQUE       |      |    58 |   174 |    44  (19)| 00:00:01 |
|   2 |   TABLE ACCESS FULL| ZIP  | 42303 |   123K|    38   (6)| 00:00:01 |
---------------------------------------------------------------------------

L'opération centrale est légèrement différente : "HASH GROUP BY" contre "HASH UNIQUE", mais les coûts estimés, etc. sont identiques. J'ai ensuite exécuté ces opérations avec le suivi activé et le nombre réel d'opérations était le même pour les deux (sauf que la deuxième opération n'a pas eu à effectuer de lecture physique en raison de la mise en cache).

Mais je pense que parce que les noms des opérations sont différents, l'exécution suivrait des chemins de code quelque peu différents et cela ouvre la possibilité de différences plus significatives.

Je pense que vous devriez préférer la syntaxe DISTINCT à cette fin. Ce n'est pas seulement une habitude, cela indique plus clairement le but de la requête.