今天被人問到這樣一個問題,整理出來給大家也參考一下
假設有如下這樣一張表格:
這裡的數據,具有如下的特徵:在一個DepartmentId中,可能會有多個Name,反之也是一樣。就是說Name和DepartmentId是多對多的關係。
現在想實作這樣一個查詢:按照DepartmentID排完序之後(第一步),再取得Name列的不重複值(第二步),而且要保留在第一步後的相對順序。以本例而言,應該回傳三個值依序是:ACB
我們首先會想到下面這樣一個寫法
select distinct name from Sample order by DepartmentId
從語意上說,這是很自然的。但很可惜,這個語句根本無法執行,錯誤訊息是:
這個錯誤的意思是,如果使用了DISTINCT(去重複值),則出現在OrderBy後面的字段,必須也出現在SELECT後面,但如果DepartmentID如果也真的出現在SELECT後面,顯然是不會有重複值的,所以結果一定也是不對的。
select distinct name,DepartmentId from Sample order by DepartmentId
那麼,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那麼,既然DISINCT 與OrderBy結合起來用這個的一個問題,我們是否有可能變通一下,例如下面這樣:Sct .NameFROM (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。同樣從語意上看,仍熱是很直觀明了的。我想先按照DepartmentId進行排序, 然後再去重複值。但是回到結果是下面這樣的:
雖然確實去除了重複值,但返回的順序卻是不對的。我們希望是先按照DepartmentId排序之後,然後再移除重複值,並且保留排序後的相對順序。
為什麼會出現上面這個結果呢?其實是因為DISTINCT本身是會做排序的,而且這個行為是無法改變的(下圖的執行計畫可以看到這一點)。所以其實我們之前做的Order by在這裡會失去意義。 【實際上,如果觀察ADO.NET Entity Framework等ORM工具中產生的類似的一個查詢,它會自動丟棄Order by的設定】
那麼,這樣的情況下,是不是就不可能實現需求了呢?雖然說,這個需求並不多見,絕大部分時候,DISTINCT作為最後一個操作,做一次排序是合乎情理的。
我是這樣考慮到,既然DISTINCT的這個行為是內建的,那麼是否可以繞過這個操作呢?最後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。然後,查詢的時候,我先排序,然後篩選那些編號為1的Name,這樣其實也就實現了去重複值了。
SQL Server 2005開始提供了一個ROW_NUMBER的功能,結合這個功能,我實作了像下面這樣的查詢:
select a.Name from (select top 100 percentName,DepartmentId,ROW_NUM.BER() over(partitionby by departmentid) rowfrom Sample order by DepartmentId) awhere a.row=1order by a.DepartmentId
然後,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(可以透過下圖看出一點端倪)。但如果需求是硬性的,那麼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一些更優的寫法。無論如何,使用內建標準的實現,通常都是相對較快的。