SQL实现单字段去重并取同组另一字段首条记录的查询方法

现有包含id1、id2、other三个字段的数据表，样例数据如下：

需求为实现类似SELECT DISTINCT id1的去重效果，按id1分组后仅保留每个分组下第一次出现的id2取值，过滤其余冗余记录，期望输出结果如下：

首先需要明确：SQL中的表是无序集合，不存在天然的"先后顺序"，要准确定义"第一次出现"的记录，必须有可标识记录插入/排列顺序的字段（比如自增主键、创建时间字段，下文示例中用seq代指该类字段，值越小代表记录出现越早）。

通用写法（支持所有现代数据库） #

所有支持SQL:2003标准窗口函数的数据库（MySQL 8.0+、PostgreSQL、SQL Server、Oracle等），可以用ROW_NUMBER()窗口函数实现，逻辑清晰且性能稳定：

SELECT id1, id2
FROM (
    SELECT
        id1,
        id2,
        ROW_NUMBER() OVER (PARTITION BY id1 ORDER BY seq ASC) AS row_rank
    FROM 你的表名
) tmp
WHERE row_rank = 1;

老版本兼容写法（MySQL 5.x等不支持窗口函数的环境） #

可以用NOT EXISTS子查询关联实现，效果和窗口函数一致：

SELECT t1.id1, t1.id2
FROM 你的表名 t1
WHERE NOT EXISTS (
    SELECT 1
    FROM 你的表名 t2
    WHERE t2.id1 = t1.id1
      AND t2.seq < t1.seq
);

特殊场景简化写法 #

如果你的业务场景中，每个id1分组下需要保留的id2刚好是该分组内最小的取值（和本次样例数据特征匹配），也可以直接用聚合函数简化，但该写法不具备通用性，仅当排序规则和id2本身的排序规则一致时可使用：

SELECT id1, MIN(id2) AS id2
FROM 你的表名
GROUP BY id1;

注意：如果没有明确的排序字段就直接写分组取首行的逻辑，数据库返回的id2取值是不确定的，可能随执行计划、数据量变化发生改变，无法稳定得到预期结果。

内容的提问来源于stack exchange，提问作者james pow