为何DISTINCT搭配ORDER BY会返回重复值？SQL查询teacher_id重复问题排查

嘿，我来帮你拆解这两个SQL问题，都是日常开发里容易踩的小坑，咱们一个个说清楚～

首先得纠正一个常见误解：SQL里的DISTINCT不是针对某一列去重，而是针对整个结果集的行去重！你写的DISTINCT(column)写法，和直接写SELECT DISTINCT column1, column2...是完全一样的——括号只是语法上的小细节，不改变DISTINCT的作用范围。

举个例子：如果你选了teacher_id和last_updated_at，然后用DISTINCT，哪怕同一个teacher_id对应不同的last_updated_at，这些行因为整体组合不同，都会被保留下来。这时候你看起来teacher_id重复了，但实际上DISTINCT已经做了它该做的事——它确保没有完全重复的行，只是你误以为它会单独对teacher_id去重而已。

另外，如果ORDER BY的列不在你选中的列里，数据库可能会为了排序引入额外的行数据，也可能导致看起来有重复值，但核心原因还是DISTINCT作用于整行，而非单列。

先看你的原SQL：

select distinct h.teacher_id, h.last_updated_at, c.name 
from sometable h 
inner join class c on h.teacher_id=c.id 
where last_updated_at is not null 
order by last_updated_at desc limit 5;

问题出在哪？ #

这里的DISTINCT是对teacher_id + last_updated_at + name这三列的组合去重。如果同一个教师在sometable里有多条记录（比如每次更新都会生成一条新记录，对应不同的last_updated_at），那么这些行的三列组合是唯一的，DISTINCT不会剔除它们，自然就会出现重复的teacher_id。

而你的需求是获取每个教师最后更新的记录（ID+名称），这时候DISTINCT根本不是正确的工具，咱们得换两种更合适的方案：

方案1：用GROUP BY+聚合函数（适合简单场景） #

因为class表的id对应sometable的teacher_id，所以c.name应该和teacher_id是一一对应的。这种情况下，我们可以按teacher_id和name分组，用MAX()拿到每个教师的最新更新时间：

SELECT h.teacher_id, MAX(h.last_updated_at) AS last_updated_at, c.name
FROM sometable h
INNER JOIN class c ON h.teacher_id = c.id
WHERE h.last_updated_at IS NOT NULL
GROUP BY h.teacher_id, c.name
ORDER BY last_updated_at DESC
LIMIT 5;

这样每个teacher_id只会出现一次，对应的是它最新的last_updated_at。

方案2：用窗口函数（灵活应对复杂场景） #

如果你的数据场景更复杂（比如同一个teacher_id可能对应不同的name，或者需要精准控制取哪一行），窗口函数ROW_NUMBER()会是更好的选择：

SELECT teacher_id, last_updated_at, name
FROM (
    SELECT 
        h.teacher_id, 
        h.last_updated_at, 
        c.name,
        -- 按教师分组，每组内按更新时间倒序排，给每行标序号
        ROW_NUMBER() OVER (PARTITION BY h.teacher_id ORDER BY h.last_updated_at DESC) AS rn
    FROM sometable h
    INNER JOIN class c ON h.teacher_id = c.id
    WHERE h.last_updated_at IS NOT NULL
) AS sub_query
-- 只取每组里序号为1的行（也就是最新的那一条）
WHERE rn = 1
ORDER BY last_updated_at DESC
LIMIT 5;

这个方法逻辑更清晰，不管后续数据怎么变化，都能精准拿到每个教师的最新记录。

内容的提问来源于stack exchange，提问作者Bharat Bittu