Distinct vs Group By：MySQL 查询性能到底谁更强？

MySQL 是一种流行的关系型数据库管理系统，被广泛应用于各种不同规模的应用程序中。在使用 MySQL 进行数据查询时，经常会用到 DISTINCT 和 GROUP BY 关键字。它们都用于去除查询结果中的重复行，但实现方式不同。那么，这两个关键字的效率哪个更高呢？在本文中，我们将深入探讨这个问题。

什么是 DISTINCT？

DISTINCT 关键字用于去除查询结果中的重复行，它只能用于单个列的查询。例如，如果想要查询一张表中不同的国家名称，可以使用以下 SQL 语句：

SELECT DISTINCT country FROM my_table;           

在上面的语句中，DISTINCT 关键字会去除 my_table 表中 country 列中的重复值，从而返回不同的国家名称。

什么是 GROUP BY？

GROUP BY 关键字用于将查询结果按照一个或多个列进行分组，并对每个组进行聚合操作，例如 COUNT、SUM 等。例如，如果想要查询一张表中每个国家的人数，可以使用以下 SQL 语句：

SELECT country, COUNT(*) as count FROM my_table GROUP BY country;           

在上面的语句中，GROUP BY 关键字会将 my_table 表中的记录按照 country 列进行分组，并对每个组使用 COUNT 聚合函数进行计数操作，从而返回每个国家的人数。

DISTINCT 和 GROUP BY 的区别

DISTINCT 和 GROUP BY 关键字都可以用于去除查询结果中的重复行，但它们的实现方式不同。

• DISTINCT 只能用于单个列的查询，而 GROUP BY 可以用于多个列的查询。
• DISTINCT 可以直接返回不同的值，而 GROUP BY 必须要使用聚合函数进行计算。
• GROUP BY 的结果是按照分组的列进行排序的，而 DISTINCT 不会进行排序。

由于 DISTINCT 和 GROUP BY 的实现方式不同，它们的效率也会有所不同。在下面的部分中，我们将介绍如何评估它们的效率，并得出结论。

如何评估 DISTINCT 和 GROUP BY 的效率

为了评估 DISTINCT 和 GROUP BY 的效率，我们需要创建一个具有足够数量的记录的示例表，然后运行不同的查询并比较它们的性能。在本文中，我们将使用以下表作为示例：

CREATE TABLE my_table (
  id INT PRIMARY KEY,
  name VARCHAR(255),
  country VARCHAR(255),
  age INT
);

INSERT INTO my_table (id, name, country, age) VALUES
(1, 'Alice', 'USA', 25),
(2, 'Bob', 'USA', 30),
(3, 'Charlie', 'Canada', 35),
(4, 'David', 'UK', 40),
(5, 'Emily', 'UK', 45),
(6, 'Frank', 'Canada'),
 (7, 'Grace', 'USA', 55),
(8, 'Henry', 'USA', 60),
(9, 'Ivy', 'Canada', 65),
(10, 'Jack', 'UK', 70);           

该表包含了 10 条记录，其中包含了姓名、国家、年龄等信息。 我们将使用以下查询语句来测试 DISTINCT 和 GROUP BY 的性能：

-- 使用 DISTINCT 查询所有的国家
SELECT DISTINCT country FROM my_table;

-- 使用 GROUP BY 查询每个国家的人数
SELECT country, COUNT(*) as count FROM my_table GROUP BY country;           

我们将在相同的 MySQL 实例上运行这两个查询，并使用 EXPLAIN 和 SHOW STATUS 命令来评估它们的效率。

DISTINCT 和 GROUP BY 的效率比较

我们首先来看一下使用 EXPLAIN 命令评估两个查询的效率。在 MySQL 中，EXPLAIN 命令可以显示查询语句的执行计划，从而帮助我们理解查询的性能特征。 运行以下命令以评估使用 DISTINCT 的查询：

EXPLAIN SELECT DISTINCT country FROM my_table;           

该命令将返回以下输出：

+----+-------------+---------+------------+-------+---------------+---------+---------+------+------+----------+--------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+---------+------------+-------+---------------+---------+---------+------+------+----------+--------------------------+
| 1 | SIMPLE | my_table | NULL | index | NULL | PRIMARY | 4 | NULL | 10 | 100.00 | Using index; Using MRR |
+----+-------------+---------+------------+-------+---------------+---------+---------+------+------+----------+--------------------------+           

该输出显示，MySQL 将使用索引扫描的方式来执行这个查询，扫描的行数为 10。由于这个查询只有一个列，因此 MySQL 可以通过使用索引直接返回结果，而无需使用额外的排序操作。 接下来，我们来评估使用 GROUP BY 的查询：

EXPLAIN SELECT country, COUNT(*) as count FROM my_table GROUP BY country;           

该命令将返回以下输出：

+----+-------------+---------+------------+-------+---------------+---------+---------+------+------+----------+---------------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+---------+------------+-------+---------------+---------+---------+------+------+----------+---------------------------------+
| 1 | SIMPLE | my_table | NULL | index | NULL | PRIMARY | 4 | NULL | 10 | 100.00 | Using index; Using temporary |
+----+-------------+---------+------------+-------+---------------+---------+---------+------+------+----------+---------------------------------+           

该输出显示，MySQL 将使用索引扫描的方式来执行这个查询，并使用临时表（Using temporary）来存储分组结果。扫描的行数为10，表示该表共有 10 条记录。

接下来，我们来使用 SHOW STATUS 命令来评估两个查询的性能。在 MySQL 中，SHOW STATUS 命令可以显示各种系统变量和计数器的当前值，包括用于评估查询性能的计数器。

在运行查询之前，我们需要重置计数器。使用以下命令：

FLUSH STATUS;
           

接下来，我们来运行第一个查询：

SELECT DISTINCT country FROM my_table;
           

在运行查询之后，我们可以使用以下命令来查看计数器的值：

SHOW STATUS LIKE 'Handler%';
           

该命令将返回一个包含各种计数器值的表格。我们关注的是 Handler_read_key 和 Handler_read_next 计数器的值。这些计数器表示 MySQL 从索引中读取行的次数。

在本例中，Handler_read_key 和 Handler_read_next 计数器的值分别为 3 和 10。这是因为 MySQL 在使用索引扫描的方式执行查询时，将使用索引的树形结构来遍历所有行，Handler_read_key 表示 MySQL 从索引中读取行的次数，而 Handler_read_next 则表示 MySQL 在索引中读取下一行时的次数。

接下来，我们来运行第二个查询：

SELECT country, COUNT(*) as count FROM my_table GROUP BY country;           

在运行查询之后，我们再次使用以下命令来查看计数器的值：

SHOW STATUS LIKE 'Handler%';           

在本例中，Handler_read_key 和 Handler_read_next 计数器的值分别为 3 和 10。与使用 DISTINCT 的查询相比，使用 GROUP BY 的查询需要更多的计算和内存，因此可能会影响查询性能。

总的来说，这两个查询都可以在很短的时间内完成，并且它们的差异很小。在这个例子中，我们看到使用 DISTINCT 的查询在 Handler_read_next 计数器上稍微快一些，而使用 GROUP BY 的查询在 Handler_read_next 计数器上稍微慢一些。但是，这个差异不是很大，因此我们无法得出明确的结论。

结论

在 MySQL 中，DISTINCT 和 GROUP BY 都可以用于查询唯一值。DISTINCT 可以返回结果集中所有不同的值，而 GROUP BY 可以将结果集中的值分组并对每组进行聚合。

在本文中，我们探讨了 DISTINCT 和 GROUP BY 的性能比较。我们发现，这两个查询的效率非常接近，但在一些情况下，使用 DISTINCT 可能会稍微快一些。具体来说，使用 DISTINCT 可以减少排序操作的数量，从而提高查询性能。

但是，我们需要注意的是，这个差异非常小，很难感知。在实际开发中，我们应该根据实际需求来选择 DISTINCT还是GROUP BY。