Quoi de plus rapide, SELECT DISTINCT ou GROUP BY dans MySQL?

Si j'ai une table

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)
)

et je veux obtenir toutes les valeurs uniques de professionchamp, ce qui serait plus rapide (ou recommandé):

SELECT DISTINCT u.profession FROM users u

ou

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

?

Ils sont essentiellement équivalents les uns aux autres (en fait, c'est ainsi que certaines bases de données sont implémentées DISTINCTsous le capot).

Si l'un d'eux est plus rapide, ce sera le cas DISTINCT. En effet, bien que les deux soient les mêmes, un optimiseur de requête devrait détecter le fait que vous GROUP BYne tirez parti d'aucun membre du groupe, uniquement de ses clés. DISTINCTrend cela explicite, vous pouvez donc vous en tirer avec un optimiseur légèrement plus stupide.

En cas de doute, testez!

Si vous avez un index sur profession, ces deux sont des synonymes.

Si ce n'est pas le cas, utilisez DISTINCT.

GROUP BYen MySQLsortes résultats. Vous pouvez même faire:

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

et obtenez vos professions triées dans l' DESCordre.

DISTINCTcrée une table temporaire et l'utilise pour stocker les doublons. GROUP BYfait de même, mais trie les résultats distincts par la suite.

Alors

SELECT DISTINCT u.profession FROM users u

est plus rapide, si vous n'avez pas d'index sur profession.

Toutes les réponses ci-dessus sont correctes, pour le cas de DISTINCT sur une seule colonne vs GROUPE BY sur une seule colonne. Chaque moteur db a sa propre implémentation et optimisations, et si vous vous souciez de la très petite différence (dans la plupart des cas), alors vous devez tester contre un serveur spécifique ET une version spécifique! Comme les implémentations peuvent changer ...

MAIS, si vous sélectionnez plus d'une colonne dans la requête, le DISTINCT est essentiellement différent! Parce que dans ce cas, il comparera TOUTES les colonnes de toutes les lignes, au lieu d'une seule colonne.

Donc, si vous avez quelque chose comme:

// 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

C'est une erreur courante de penser que le mot-clé DISTINCT distingue les lignes par la première colonne que vous avez spécifiée, mais le DISTINCT est un mot-clé général de cette manière.

Donc, les gens, vous devez faire attention à ne pas considérer les réponses ci-dessus comme correctes dans tous les cas ... Vous pourriez être confus et obtenir de mauvais résultats alors que tout ce que vous vouliez était d'optimiser!

Optez pour le plus simple et le plus court si vous le pouvez - DISTINCT semble être plus ce que vous recherchez uniquement parce qu'il vous donnera EXACTEMENT la réponse dont vous avez besoin et seulement cela!

Grouper coûte cher que Distinct puisque Group by fait un tri sur le résultat tandis que distinct l'évite. Mais si vous voulez que group by donne le même résultat que distinct, donnez l' ordre par null .

SELECT DISTINCT u.profession FROM users u

est égal à

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

bien distinct peut être plus lent que grouper à certaines occasions dans les postgres (ne sais pas pour les autres dbs).

exemple testé:

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

donc sois prudent ... :)

Il semble que les requêtes ne soient pas exactement les mêmes. Au moins pour MySQL.

Comparer:

1. décrire un nom de produit distinct dans northwind.products
2. décrire le nom du produit sélectionné dans northwind.products group by productname

La deuxième requête donne en outre "Utilisation de filesort" dans Extra.

En MySQL , « Group By» utilise une étape supplémentaire: filesort. Je me rends compte que DISTINCTc'est plus rapide que GROUP BY, et c'était une surprise.

Après de lourds tests, nous sommes arrivés à la conclusion que GROUP BY est plus rapide

SELECT sql_no_cache opnamegroep_intern FROM telwerken WHERE opnemergroepIN (7,8,9,10,11,12,13) ​​group by opnamegroep_intern

635 totaal 0,0944 secondes Weergave van enregistre 0-29 (635 totaal, requête duurde 0,0484 sec)

SELECT sql_no_cache distinct (opnamegroep_intern) FROM telwerken WHERE opnemergroepIN (7,8,9,10,11,12,13)

635 totaal 0,2117 secondes (presque 100% plus lent) Weergave van enregistre 0-29 (635 totaal, requête duurde 0,3468 sec)

(plus d'une note fonctionnelle)

Il y a des cas où vous devez utiliser GROUP BY, par exemple si vous voulez obtenir le nombre d'employés par employeur:

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

Dans un tel scénario DISTINCT u.employerne fonctionne pas correctement. Il y a peut-être un moyen, mais je ne le sais tout simplement pas. (Si quelqu'un sait comment faire une telle requête avec DISTINCT, veuillez ajouter une note!)

Voici une approche simple qui imprimera les 2 temps écoulés différents pour chaque requête.

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);

OU essayez 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;

Il affiche simplement le nombre de millisecondes nécessaires pour analyser, compiler et exécuter chaque instruction comme ci-dessous:

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

Ce n'est pas une règle

Pour chaque requête .... essayez séparément séparément puis regroupez par ... comparez le temps pour terminer chaque requête et utilisez le plus rapidement ....

Dans mon projet, j'utilise parfois le groupe par et d'autres distincts

Si vous ne devez effectuer aucune fonction de groupe (somme, moyenne, etc. au cas où vous voudriez ajouter des données numériques à la table), utilisez SELECT DISTINCT. Je soupçonne que c'est plus rapide, mais je n'ai rien à prouver.

Dans tous les cas, si vous vous inquiétez de la vitesse, créez un index sur la colonne.

SELECT DISTINCT sera toujours le même, ou plus rapide, qu'un GROUP BY. Sur certains systèmes (par exemple Oracle), il peut être optimisé pour être identique à DISTINCT pour la plupart des requêtes. Sur d'autres (comme SQL Server), cela peut être considérablement plus rapide.

Si le problème le permet, essayez avec EXISTS, car il est optimisé pour se terminer dès qu'un résultat est trouvé (et ne pas tamponner de réponse), donc, si vous essayez simplement de normaliser les données pour une clause WHERE comme celle-ci

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

Une réponse plus rapide serait:

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

Ce n'est pas toujours possible mais une fois disponible, vous verrez une réponse plus rapide.