MySQL查找重复行：三个查询结果差异及疑问解析

表结构 #

| Field      | Type                            | NULL | Key | Extra          |
| id         | int(11)                         | NO   | PRI | auto_increment |
| name       | varchar(50)                     | YES  |     |                |
| membership | enum('Silver','Gold','Diamond') | YES  |     |                |
| interest   | set('Movie','Music','Concert')  | YES  |     |                |

现有数据 #

+----+--------+------------+---------------+
| id | name   | membership | interest      |
+----+--------+------------+---------------+
|  1 | Sourav | Silver     | Movie,Concert |
|  2 | Yash   | Diamond    | Music         |
|  3 | Yash   | Diamond    | Music         |
|  4 | Yash   | Diamond    | Music         |
|  5 | Yash   | Diamond    | Music         |
|  6 | Yash   | Diamond    | Music         |
|  7 | Yash   | Diamond    | Music         |
|  8 | Yash   | Diamond    | Music         |
|  9 | Yash   | Diamond    | Music         |
| 10 | Yash   | Diamond    | Music         |
| 11 | Yash   | Diamond    | Music         |
| 12 | Yash   | Diamond    | Music         |
| 13 | Yash   | Diamond    | Music         |
| 14 | Yash   | Diamond    | Music         |
| 15 | Sneha  | Silver     | Concert       |
+----+--------+------------+---------------+
15 rows in set (0.001 sec)

三个查询及结果 #

查询1：正确筛选重复行 #

SELECT id, name, membership, interest, count(*)
FROM clients
GROUP BY name, membership, interest
HAVING count(*) > 1;

结果：

+----+------+------------+----------+----------+
| id | name | membership | interest | count(*) |
+----+------+------------+----------+----------+
|  2 | Yash | Diamond    | Music    |       13 |
+----+------+------------+----------+----------+

查询2：无GROUP BY的HAVING查询 #

SELECT name, membership, interest, count(*)
FROM clients
HAVING count(*) > 1;

结果：

+--------+------------+---------------+----------+
| name   | membership | interest      | count(*) |
+--------+------------+---------------+----------+
| Sourav | Silver     | Movie,Concert |       15 |
+--------+------------+---------------+----------+

查询3：仅GROUP BY的查询 #

SELECT id, name, membership, interest, count(*)
FROM clients
GROUP BY name, membership, interest; 

结果：

+----+--------+------------+---------------+----------+
| id | name   | membership | interest      | count(*) |
+----+--------+------------+---------------+----------+
| 15 | Sneha  | Silver     | Concert       |        1 |
|  1 | Sourav | Silver     | Movie,Concert |        1 |
|  2 | Yash   | Diamond    | Music         |       13 |
+----+--------+------------+---------------+----------+

疑问解析 #

1. 三个查询结果差异及HAVING的作用 #

• 查询1：GROUP BY name, membership, interest会把这三个字段值完全相同的行归为一组，每组统计行数count(*)；HAVING count(*) > 1只保留行数大于1的组（即真正的重复组），所以仅返回Yash的那组数据。
• 查询2：未写GROUP BY时，MySQL会把整个表当成一个组，count(*)统计全表15行数据，HAVING count(*) >1条件满足，因此返回这个唯一的组；但name, membership, interest会取表中第一行的对应值（Sourav那行），这是MySQL的特殊行为（标准SQL不允许这种写法，因为非聚合字段没有明确分组依据）。
• 查询3：和查询1一样做了分组，但没有HAVING过滤，所以返回所有分组，不管行数多少，自然结果和前两个查询不同。

HAVING的核心作用是过滤分组后的结果，它和WHERE的区别是：WHERE过滤原始行，HAVING过滤分组后的组，只有配合GROUP BY使用才符合常规业务逻辑（无GROUP BY时仅过滤整个表这个大组）。

2. 第三个查询为何返回唯一条目 #

GROUP BY name, membership, interest本身会把这三个字段值相同的行合并成一个组，每个组只返回一条结果（组内非聚合字段如id会取组内任意一行的值，这里是组内最早的id），所以看起来像是“去重”后的唯一条目，本质是分组聚合的结果，而非专门的去重操作，但效果类似。

3. Sneha的条目为何排在顶部 #

MySQL在未指定ORDER BY的情况下，返回结果的顺序是不确定的，取决于存储引擎的物理存储顺序、分组执行计划等。这里Sneha排在前面，只是分组后MySQL返回组的顺序刚好如此，若重新插入数据或优化表，顺序可能改变。如果需要固定顺序，必须显式添加ORDER BY子句。

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