SQL查询优化：计算需删除的重复姓氏数据集数量

要实现「姓氏（last_name）必须唯一」的约束，需统计需要删除的数据集数量。示例场景：数据包含3条Betty、1条Tommy、1条Bob，需删除2条Betty，最终结果应为2。

原查询语句虽能得到正确结果，但因last_name使用次数过多被检查器提示，需更简洁优雅的方案：

SELECT (COUNT(last_name) - COUNT(DISTINCT last_name)) AS to_delete
FROM employees;

优化方案 #

通过分组统计后求和的方式，仅在分组阶段使用一次last_name，避免重复引用：

SELECT SUM(name_count - 1) AS to_delete
FROM (
    SELECT COUNT(*) AS name_count
    FROM employees
    GROUP BY last_name
) AS grouped_names;

逻辑说明 #

1. 内层子查询按last_name分组，统计每个姓氏的出现次数
2. 外层查询对每个姓氏的「出现次数-1」求和（每个姓氏仅保留1条，剩余的都需删除）
3. 最终结果即为满足姓氏唯一约束需删除的总记录数

内容的提问来源于stack exchange，提问作者codemonkey47