【MySQL性能优化】DISTINCT和GROUP BY去重性能深度剖析

🔥 本文通过100W数据的实战测试，对比MySQL中DISTINCT与GROUP BY的去重性能差异。测试结果显示两者性能差异仅5%左右，但GROUP BY在后续数据聚合、统计分析等操作上具有显著优势。

📚博主匠心之作，强推专栏：

• JAVA集合专栏 【夜话集】
• JVM知识专栏
• 数据库sql理论与实战【博主踩坑之道】
• 小游戏开发【博主强推 匠心之作 拿来即用无门槛】

写在前面

最近好久没有更新博客了，一直在忙着项目开发和性能优化工作。今天看到一个很有趣的技术讨论：100W数据去重，该用DISTINCT还是GROUP BY？

通过实战测试，我发现了一个有趣的结论：两者的性能差异其实很小，但GROUP BY在扩展性方面具有显著优势。

🎯 问题背景

在实际项目中，我们经常遇到需要去重的场景：

• 用户行为数据去重
• 订单数据去重
• 日志数据去重
• 等等…

当数据量达到百万级别时，选择正确的去重方式就显得尤为重要。一个错误的SQL语句可能导致查询时间从秒级变成分钟级，甚至更久。

🔍 DISTINCT vs GROUP BY 原理剖析

1.1 内部实现机制

DISTINCT原理：

-- DISTINCT内部实现
SELECT DISTINCT column1, column2 FROM table;
-- 等价于
SELECT column1, column2 FROM table GROUP BY column1, column2;

GROUP BY原理：

SELECT column1, column2 FROM table GROUP BY column1, column2;

从原理上看，DISTINCT和GROUP BY在去重场景下内部实现基本相同，都会进行分组操作。但优化器的处理方式可能有所不同。

1.2 执行计划对比

让我们通过EXPLAIN来分析两种方式的执行计划：

-- 创建测试表
CREATE TABLE test_data (
    id INT PRIMARY KEY AUTO_INCREMENT,
    name VARCHAR(50),
    category VARCHAR(20),
    create_time DATETIME,
    amount DECIMAL(10,2),
    INDEX idx_name_category (name, category)
);

-- 插入100W测试数据
INSERT INTO test_data (name, category, create_time, amount)
SELECT 
    CONCAT('user_', FLOOR(RAND() * 10000)) as name,
    CASE FLOOR(RAND() * 3) 
        WHEN 0 THEN 'A' 
        WHEN 1 THEN 'B' 
        ELSE 'C' 
    END as category,
    DATE_ADD('2023-01-01', INTERVAL FLOOR(RAND() * 365) DAY) as create_time,
    RAND() * 1000 as amount
FROM information_schema.columns c1, information_schema.columns c2
LIMIT 1000000;

📊 性能测试结果

性能对比

-- DISTINCT测试
SELECT DISTINCT name, category FROM test_data;
-- 执行时间：约0.8秒

-- GROUP BY测试
SELECT name, category FROM test_data GROUP BY name, category;
-- 执行时间：约0.75秒

结论：性能差异仅5%左右，基本可以忽略不计。

🔍 扩展性对比分析

DISTINCT的局限性

-- 只能去重，无法进行其他操作
SELECT DISTINCT name, category FROM test_data;

-- 如果需要其他信息，需要额外的查询
SELECT name, category, COUNT(*) as count 
FROM test_data 
WHERE (name, category) IN (
    SELECT DISTINCT name, category FROM test_data
);

GROUP BY的扩展性优势

-- 去重 + 统计
SELECT 
    name, 
    category,
    COUNT(*) as count,
    SUM(amount) as total_amount,
    MAX(create_time) as latest_time,
    MIN(create_time) as first_time
FROM test_data 
GROUP BY name, category;

-- 去重 + 条件筛选
SELECT 
    name, 
    category,
    COUNT(*) as count
FROM test_data 
WHERE amount > 500
GROUP BY name, category
HAVING COUNT(*) > 10;

-- 去重 + 排序
SELECT 
    name, 
    category,
    COUNT(*) as count
FROM test_data 
GROUP BY name, category
ORDER BY count DESC;

🎯 实际项目应用场景

场景1：用户行为分析

-- 用户行为数据去重 + 统计分析
SELECT 
    user_id, 
    action_type,
    COUNT(*) as action_count,
    SUM(amount) as total_amount,
    MAX(create_time) as last_action_time,
    AVG(amount) as avg_amount
FROM user_behavior 
GROUP BY user_id, action_type
HAVING action_count > 5;

场景2：订单数据分析

-- 订单数据去重 + 业务分析
SELECT 
    user_id, 
    product_id,
    COUNT(*) as order_count,
    SUM(amount) as total_amount,
    MAX(create_time) as last_order_time,
    CASE 
        WHEN COUNT(*) > 10 THEN 'VIP用户'
        WHEN COUNT(*) > 5 THEN '活跃用户'
        ELSE '普通用户'
    END as user_level
FROM orders 
GROUP BY user_id, product_id;

场景3：日志数据统计

-- 日志数据去重 + 访问统计
SELECT 
    client_ip, 
    request_path,
    COUNT(*) as access_count,
    COUNT(DISTINCT user_id) as unique_users,
    MAX(access_time) as last_access,
    AVG(response_time) as avg_response_time
FROM access_log 
GROUP BY client_ip, request_path
HAVING access_count > 100;

🎯 性能优化建议

索引优化

-- 为去重字段创建复合索引
CREATE INDEX idx_name_category ON test_data(name, category);

-- 如果经常需要聚合计算，可以包含相关字段
CREATE INDEX idx_name_category_amount ON test_data(name, category, amount);

查询优化

-- 使用覆盖索引优化
SELECT 
    name, 
    category,
    COUNT(*) as count
FROM test_data 
FORCE INDEX (idx_name_category)
GROUP BY name, category;

🎯 总结与建议

性能对比总结

维度	DISTINCT	GROUP BY	推荐
纯去重性能	稍慢	稍快	差异很小
扩展性	差	优秀	GROUP BY
聚合能力	无	强大	GROUP BY
条件筛选	复杂	简单	GROUP BY
维护成本	高	低	GROUP BY

最佳实践建议

1. 首选 GROUP BY：扩展性更好，维护成本更低
2. 考虑业务需求：如果后续需要聚合统计，直接使用GROUP BY
3. 创建合适索引：提升查询性能
4. 避免过度优化：性能差异很小，重点考虑扩展性

推荐写法

-- 推荐的最佳实践
SELECT 
    name, 
    category,
    COUNT(*) as count,
    SUM(amount) as total_amount,
    MAX(create_time) as latest_time
FROM test_data 
GROUP BY name, category
ORDER BY count DESC;

写在最后

通过这次100W数据的实战测试，我们得出了一个重要结论：DISTINCT和GROUP BY在纯去重场景下性能差异很小，但GROUP BY在扩展性方面具有显著优势。

在实际项目中，选择GROUP BY不仅能够满足去重需求，还能为后续的数据分析、统计聚合等操作提供便利。这种前瞻性的设计思维，能够显著降低代码维护成本，提升开发效率。

希望这篇文章能够帮助大家在数据库优化方面做出更明智的选择！

📚博主匠心之作，强推专栏：

• JAVA集合专栏 【夜话集】
• JVM知识专栏
• 数据库sql理论与实战【博主踩坑之道】
• 小游戏开发【博主强推 匠心之作 拿来即用无门槛】

如果觉得有帮助的话，别忘了点个赞 👍 收藏 ⭐ 关注 🔖 哦！

---

🎯 我是果冻~，一个热爱技术、乐于分享的开发者
📚 更多精彩内容，请关注我的博客
🌟 我们下期再见！