关键词：

1、使用distinct去重

distinct用来查询不重复记录的条数，用count(distinct id)来返回不重复字段的条数。用法注意：

• distinct【查询字段】，必须放在要查询字段的开头，即放在第一个参数；
• 只能在SELECT 语句中使用，不能在 INSERT, DELETE, UPDATE 中使用；
• DISTINCT 表示对后面的所有参数的拼接取不重复的记录，即查出的参数拼接每行记录都是唯一的
• 不能与all同时使用，默认情况下，查询时返回的就是所有的结果。

distinct支持单列、多列的去重方式。

• 作用于单列

  • 单列去重的方式简明易懂，即相同值只保留1个。

    select distinct name from A    //对A表的name去重然后显示
    

• 作用于多列

  • 多列的去重则是根据指定的去重的列信息来进行，即只有所有指定的列信息都相同，才会被认为是重复的信息。
  • 注意，distinct作用于多列的时候只在开头加上即可，并不用每个字段都加上。distinct必须在开头，在中间是不可以的，会报错，`select id,distinct name from A //错误

    select distinct id,name from A   //对A表的id和name去重然后显示
    

• 配合count使用

  select count(distinct name) from A  //对A表的不同的name进行计数
  

• 按顺序去重时，order by 的列必须出现在 distinct 中

  • 出错代码
    

  • 改正后的代码
    

  • 讨论：若不使用Distinct关键字，则order by后面的字段不一定要放在seletc中
    

MySQL中使用去重distinct方法的示例详解
【Hive】数据去重

---

2、使用group by

GROUP BY 语句根据一个或多个列对结果集进行分组。在分组的列上我们可以使用 COUNT, SUM, AVG,等函数，形式为select 重复的字段名 from 表名 group by 重复的字段名;

• group by 对age查询结果进行了分组，自动将重复的项归结为一组。
  
• 还可以使用count函数，统计重复的数据有多少个
  

---

3、使用ROW_NUMBER() OVER 或 GROUP BY 和 COLLECT_SET/COLLECT_LIST

说到要去重，自然会想到 DISTINCT，但是在 Hive SQL 里，它有两个问题：

• DISTINCT 会以 SELECT 出的全部列作为 key 进行去重。也就是说，只要有一列的数据不同，DISTINCT 就认为是不同数据而保留。
• DISTINCT 会将全部数据打到一个 reducer 上执行，造成严重的数据倾斜，耗时巨大。

2.1 ROW_NUMBER() OVER

DISTINCT 的两个问题，用 ROW_NUMBER() OVER 可解。比如，如果我们要按 key1 和 key2 两列为 key 去重，就会写出这样的代码：

WITH temp_table AS (
  SELECT
    key1,
    key2,
    [columns]...,
    ROW_NUMBER() OVER (
      PARTITION BY key1, key2
      ORDER BY column ASC
    ) AS rn
  FROM
    table
)

SELECT
  key1,
  key2,
  [columns]...
FROM
  temp_table
WHERE
  rn = 1;

这样，Hive 会按 key1 和 key2 为 key，将数据打到不同的 mapper 上，然后对 key1 和 key2 都相同的一组数据，按 column 升序排列，并最终在每组中保留排列后的第一条数据。借此就完成了按 key1 和 key2 两列为 key 的去重任务。注意 PARTITION BY 在此起到的作用：

• 一是按 key1 和 key2 打散数据，解决上述问题 (2)；
• 二是与 ORDER BY 和 rn = 1 的条件结合，按 key1 和 key2 对数据进行分组去重，解决上述问题 (1)。

但显然，这样做十分不优雅（not-elegant），并且不难想见其效率比较低。

row_number() OVER (PARTITION BY COL1 ORDER BY COL2) as num 表示根据 COL1分组，在分组内部根据 COL2排序，此函数计算的值num就表示每组内部排序后的顺序编号（组内连续的唯一的)

2.2 GROUP BY 和 COLLECT_SET/COLLECT_LIST

ROW_NUMBER() OVER 解法的一个核心是利用 PARTITION BY 对数据按 key 分组，同样的功能用 GROUP BY 也可以实现。但是，GROUP BY 需要与聚合函数搭配使用。我们需要考虑，什么样的聚合函数能实现或者间接实现这样的功能呢？不难想到有 COLLECT_SET 和 COLLECT_LIST。

SELECT
  key1,
  key2,
  [COLLECT_LIST(column)[1] AS column]...
FROM
  temp_table
GROUP BY
  key1, key2

对于 key1 和 key2 以外的列，我们用 COLLECT_LIST 将他们收集起来，然后输出第一个收集进来的结果。这里使用 COLLECT_LIST 而非 COLLECT_SET 的原因在于 SET 内是无序的，因此你无法保证输出的 columns 都来自同一条数据。若对于此没有要求或限制，则可以使用 COLLECT_SET，它会更节省资源。

相比前一种办法，由于省略了排序和（可能的）落盘动作，所以效率会高不少。但是因为（可能）不落盘，所以 COLLECT_LIST 中的数据都会缓存在内存当中。如果重复数量特别大，这种方法可能会触发 OOM。此时应考虑将数据进一步打散，然后再合并；或者干脆换用前一种办法。

删除 Hive SQL 查询结果中的重复内容

---

数据库之MySQL查询去重数据

sql：数据去重的三种方法(代码片段)

1、使用distinct去重distinct用来查询不重复记录的条数，用count(distinctid)来返回不重复字段的条数。用法注意：distinct【查询字段】，必须放在要查询字段的开头，即放在第一个参数；只能在SELECT语句中使用，... 查看详情

数组去重的三种方法

这篇文章是参考http://www.jb51.net/article/46154.htm1.最基本的去重方法思路：定义一个新数组，并存放原数组的第一个元素，然后将元素组一一和新数组的元素对比，若不同则存放在新数组中。functionunique(arr){　　varres=[arr[0]];　　for(va... 查看详情

数组去重的三种方法

//1.遍历数组法，通过indexOf检索临时新建的数组，检索值为arr数组里面的值，没有则加入新建数组vararr=[1,4,3,5,1,2,5,4,3,2,1,4,2,6];varn=[];for(vari=0;i<arr.length;i++){if(n.indexOf(arr[i])==-1){n.push(arr[i]);}n.sort(functionsortNumber(a,b 查看详情

set/...去重的方法(代码片段)

在ES6中，引入了一个新的数据结构类型：Set。而Set与Array的结构是很类似的，且Set和Array可以相互进行转换。Set对象允许你存储任何类型的唯一值，无论是原始值或者是对象引用。...扩展运算符ES6的去重：arr=[2,2,2,5]arr=[...newSet(arr)... 查看详情

刷题|数组去重的4种方法引发的思考

...数组的重复项，有boolundefinednullNaNnumberobjectstring几乎所有数据类型　　但是去重的时候，不要求去除object"{}"这个考点有两个一个indexOf 和 NaN!==NaN　　这种去重，有三种解决方案　　使用indexOf　　原代码　　Array.prototype.che... 查看详情

数组去重的6种方法(代码片段)

数组去重常见方法利用Setconstarr=[1,2,1,'3','3',true,true,,]Array.from(newSet(arr))//[1,2,'3',true,,]利用splice()方法constarr=[1,2,1,'3','3',true,true,,]co 查看详情

数组去重的6种方法(代码片段)

数组去重常见方法利用Setconstarr=[1,2,1,'3','3',true,true,,]Array.from(newSet(arr))//[1,2,'3',true,,]利用splice()方法constarr=[1,2,1,'3','3',true,true,,]constremoveDup 查看详情

数组去重的方法(代码片段)

 方法一：利用functionarrRepeat(arr)letobj=;letnewArray=[];for(leti=0;i<arr.length;i++)if(!obj.hasOwnProperty(arr[i]))obj[arr[i]]=i;newArray.push(arr[i]);returnnewArrayconsole.log(arrRepeat([ 查看详情

原创mybatisplus调用原生sql的三种方法(代码片段)

前言在有些情况下需要用到MybatisPlus查询原生SQL，MybatisPlus其实带有运行原生SQL的方法，我这里列举三种方法一这也是网上流传最广的方法，但是我个人认为这个方法并不优雅，且采用$的方式代码审计可能会无法... 查看详情

七种去重的方法(代码片段)

1<script>2vararr=[6,2,2,4,4,6,6,4,4,6,6,2,23,23,31];3/*第一种去重方式：双重循环*/4/*functionToheavy(arr)5if(!Array.isArray(arr))6return"typeerror！";78letnewarr=[];9for(leti=0;i<arr.length;i++)10letfl 查看详情

js对象数组操作之一：对象数组中对象去重的方法总结(代码片段)

...业务中，经常会有一个数组由多个对象构成，需要对这种数据结构进行操作，如下：constarr=[name:‘tom‘,age:15,name:‘jack‘,age:18,name:‘tom‘,age:10,...]今天总结了一下先说这种数据结构的去重方法，对于数组中的多个对象去除重复，... 查看详情

关于sql去重的几种方法

...重复量低时，DISTINCT就比GROUPBY快一点了，而如果随着整体数据量的增加，效果会越来越明显。 查看详情

一个对象，数组去重的方法(代码片段)

对象：unique1(array)//数组去重varallArr=[];//新数组for(vari=0;i<array.length;i++)varflag=true;　　for(varj=0;j<allArr.length;j++)if(array[i].cityId==allArr[j].cityId)　　　　　flag=false;　　　　;　　;　　if(flag) 查看详情

list去重的6种方法，这种方法最完美！(代码片段)

...常的业务开发中，偶尔会遇到需要将List集合中的重复数据去除掉的场景。这个时候可能有同学会问：为什么不直接使用Set或者LinkedHashSet呢？这样不就没有重复数据的问题了嘛？​不得不说，能提这个问题的同... 查看详情

js数组去重的六种方法(代码片段)

一、利用ES6Set去重（ES6中最常用）functionunique(arr)returnArray.from(newSet(arr))vararr=[1,1,‘true‘,‘true‘,true,true,15,15,false,false,undefined,undefined,null,null,NaN,NaN,‘NaN‘,0,0,‘a‘,‘a‘,,];console.log( 查看详情

数组去重的五种方法(代码片段)

1.第一种方式就是最简单的set去重(o(n))vararr=[1,2,2,4,3,4,1,3,2,7,5,6,1]varnewArr=newSet(arr)2.第二种方式就是用indexOf来去重(o(n^3))判断新数组中某个数字是否存在functionfn(arr)letnewArr=[]arr.forEach((val)=>if(newArr.indexOf(val)==-1)newArr.push(val))returnnewA... 查看详情

细说mysql创建表的三种方法(代码片段)

...只谈技术不剪发的Tony老师。SQL标准使用CREATETABLE语句创建数据表；MySQL则实现了三种创建表的方法，支持自定义表结构或者通过复制已有的表结构来创建新表，本文给大家分别介绍一下这些方法的使用和注意事项。如... 查看详情

js数组去重的几种方法(代码片段)

数组去重1双层for循环（类似冒泡排序的双层循环写法）vararr=[2,3,4,2,34,21,1,12,3,4,1]for(vari=0;i<arr.length;i++)//第一层：每次循环拿到arr中一个元素 for(varj=i+1;j<arr.length;j++) 查看详情