使用Join与Distinct对比唯一家庭ID时添加时间戳失效问题

为什么加了e.imp_ts后DISTINCT看似失效？ #

DISTINCT的核心逻辑是对返回的整行数据做唯一性校验，不是只针对某几列。

• 第一个查询只选e.household_id和a.hhid，DISTINCT会过滤掉这两列组合完全重复的行，所以结果里的家庭ID对都是唯一的。
• 加了e.imp_ts之后，DISTINCT要判断的是三列的组合是否唯一。哪怕同一个家庭ID对（e.household_id+a.hhid）对应不同的时间戳，这两行的三列组合是不一样的，所以都会被保留下来。你看到的“重复家庭ID”，其实是不同时间戳对应的同ID行，整行数据是唯一的，DISTINCT并没有失效。

举个实际例子：
假设exposure表中有两行数据：

audience表中hhid=123只有一行。

第一个查询返回：

第二个查询返回：

这两行的三列组合不同，所以DISTINCT会保留它们，看起来家庭ID重复了，但这是符合逻辑的。

若要保留家庭ID唯一性同时显示时间戳 #

如果你的需求是每个家庭ID组合只显示一行（比如最新/最早的时间戳），应该用GROUP BY配合聚合函数，而非DISTINCT：

select e.household_id, a.hhid, MAX(e.imp_ts) as latest_imp_ts
FROM [dbo].[exposure] e
left outer join [dbo].[audience] a
on e.household_id = a.hhid
GROUP BY e.household_id, a.hhid

这里GROUP BY按家庭ID组合分组，MAX(e.imp_ts)取每组里最新的时间戳，确保结果里的家庭ID组合唯一。

内容的提问来源于stack exchange，提问作者Cladderin