针对distinct疑问引发的一系列思考

有人提出了这样一个问题，整理出来给大家也参考一下

假设有如下这样一张表格：

这里的数据，具有如下的特征：在一个departmentid中，可能会有多个name，反之也是一样。就是说name和departmentid是多对多的关系。

现在想实现这样一个查询：按照departmentid排完序之后（第一步），再获取name列的不重复值（第二步），而且要保留在第一步后的相对顺序。以本例而言，应该返回三个值依次是：acb

我们首先会想到下面这样一个写法

select distinct name from sample order by departmentid

从语义上说，这是很自然的。但是很可惜，这个语句根本无法执行，错误消息是：

这个错误的意思是，如果使用了distinct(去重复值），则出现在orderby后面的字段，必须也出现在select后面，但如果departmentid如果也真的出现在select后面，显然是不会有重复值的，所以结果肯定也是不对的。

select distinct name,departmentid from sample order by departmentid

 

那么，既然disinct 与orderby结合起来用会有这个的一个问题，我们是否有可能变通一下，例如下面这样：

select distinct a.name
from (select top 100 percent name from sample order by departmentid) a

想比较之前的写法，我们用到了子查询技术。同样从语义上看，仍热是很直观明了的。我想先按照departmentid进行排序, 然后再去重复值。但是返回到结果是下面这样的：

虽然确实去除了重复值，但返回的顺序却是不对的。我们希望是先按照departmentid排序之后，然后去除重复值，并且保留排序后的相对顺序。

为什么会出现上面这个结果呢？其实是因为distinct本身是会做排序的，而且这个行为是无法更改的（下图的执行计划中可以看到这一点）。所以其实我们之前做的order by在这里会失去意义。【实际上，如果观察ado.net entity framework等orm工具中生成的类似的一个查询，它会自动丢弃order by的设置】

那么，这样的情况下，是不是就不可能实现需求了呢？虽然说，这个需求并不多见，绝大部分时候，distinct作为最后一个操作，做一次排序是合乎情理的。

我是这样考虑到，既然distinct的这个行为是内置的，那么是否可以绕过这个操作呢？最终我用的一个解决方案是：我能不能把每个name都编上一个编号，例如有两个a的话，第一个a我为它编号为1，第二个编号为2，以此类推。然后，查询的时候，我先排序，然后筛选那些编号为1的name，这样其实也就实现了去重复值了。

sql server 2005开始提供了一个row_number的功能，结合这个功能，我实现了下面这样的查询：

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，我得到了下面这样的结果，我推敲下来，这应该是符合了之前提到的这个需求的

相比较而言，这个查询的效率会低一些，这个是可以预见的（可以通过下图看出一点端倪）。但如果需求是硬性的，那么牺牲一些性能也是不奇怪的。当然，我们可以再研究看看是否有更优的一些写法。无论如何，使用内置标准的实现，通常都是相对较快的。

以上就是关于distinct疑问引发的一系列思考，希望对大家的学习有所帮助。