不使用distinct如何保证SQL多表关联查询结果值对的唯一性

问题根因 #

重复值对产生的核心原因是同一城市存在多名学生选修同一门课程，每一条学生选课记录都会对应生成一行(address, type)结果，自然会出现重复条目。你反馈使用DISTINCT依旧无法去重，大概率是字段存在肉眼不可见的异常字符（比如地址末尾带空格、换行符），或是查询时误将其他字段加入了返回列表，理论上SELECT DISTINCT address, type是可以实现值对去重的。

不用DISTINCT的解决方案 #

方案1：GROUP BY分组（适用需额外统计的场景）

按返回的两个字段分组，相同值对会自动合并为一行，大数据量下性能优于DISTINCT，还可扩展其他分组统计逻辑：

SELECT S.address, C.type
FROM Students S
INNER JOIN TakingCourse TC ON S.id = TC.student_id
INNER JOIN Courses C ON TC.course_id = C.id
GROUP BY S.address, C.type

如果需要额外统计该城市选这门课的学生人数，只需在查询列加COUNT(DISTINCT S.id) as student_count即可。

方案2：EXISTS半连接（适用超大数据量场景）

不需要遍历所有选课记录，只要判断「某城市是否存在至少一名学生选了某门课」就停止匹配，性能最优：

SELECT S.address, C.type
FROM (SELECT DISTINCT address, id FROM Students) S
INNER JOIN (SELECT DISTINCT id, type FROM Courses) C
WHERE EXISTS (
    SELECT 1 FROM TakingCourse TC
    WHERE TC.student_id = S.id
      AND TC.course_id = C.id
)

性能优化建议 #

因为你提到表数据量较大，可以添加以下索引大幅提升查询速度：

• TakingCourse表加(student_id, course_id)联合索引
• Students表加(id, address)联合索引
• Courses表加(id, type)联合索引

内容的提问来源于stack exchange，提问作者vivalasana