咱们做数据查询的时候，最烦人的事之一就是数据重复。比如你查用户表，发现同一个ID出现了好几次；或者查订单表，同一个客户下了好几单，你只想看唯一客户名单。这时候，DISTINCT就派上用场了。它就像一把筛子，把重复的行筛掉，只留下独一无二的那一份。今天咱就聊聊这个DISTINCT到底怎么用，从最简单的去重到一些坑和技巧，争取让你看完就能上手，轻松搞定重复数据。
先看最基础的用法：SELECT DISTINCT 列名 FROM 表名。这意思很直白：从表中选出指定列，并且把重复的去掉。比如你有个员工表，里面有很多部门，你想知道公司到底有哪些部门，直接写“SELECT DISTINCT department FROM employees”，结果就会列出每个部门一次，不会出现“销售部”出现三遍的情况。这个场景特别常见，比如做报表、做数据统计前，先看一眼有哪些唯一值，能帮你避免很多重复计算的麻烦。注意，DISTINCT是对整个行生效的，不是对某一列单独去重。如果你选了多列，比如“SELECT DISTINCT city, state FROM customers”，那它会把city和state组合在一起，只有当两列的组合完全重复时才会被去重。这意味着，如果城市一样但州不一样，两行都会保留。这个细节很多人会忽略，尤其是在做地址数据清理的时候，容易搞错。
多列去重稍微复杂点，但逻辑其实不绕。假设你有个订单表，里面有客户ID和产品ID，你想知道哪些客户买了哪些产品，不关心买了几次。这时候写“SELECT DISTINCT customerid, productid FROM orders”，就能拿到每个客户和每个产品的唯一组合。这比直接查全表然后手动去重高效得多。不过要小心，DISTINCT不会改变原始数据，它只是在查询结果上做过滤。所以如果你用了DISTINCT，但后面又加了ORDER BY，得确保排序的列也在SELECT的列表里，否则数据库会报错。比如“SELECT DISTINCT name FROM users ORDER BY age”，这样就不行，因为age不在SELECT列表里。数据库的逻辑是：先把重复的name去掉，然后要按age排序，但age已经被去掉了，没法排。解决办法是要么把age也加进SELECT，要么换个查询思路。
DISTINCT和聚合函数搭配起来，威力更大。比如你想统计每个部门有多少个不同的岗位，可以用“SELECT department, COUNT(DISTINCT jobtitle) FROM employees GROUP BY department”。这里COUNT(DISTINCT jobtitle)会先对每个部门内的岗位去重，再计数。这比先查所有数据再去重统计要快得多。很多新手容易犯的错是：在GROUP BY之后，直接COUNT()然后以为已经去重了。其实GROUP BY只是把相同分组的数据合并，但分组内的重复行不会自动消失。你必须在COUNT里明确用DISTINCT才能拿到唯一值。比如你统计每个客户下了多少种不同的产品，如果不用DISTINCT，COUNT()会把重复购买同一产品的次数也算进去，结果就错了。
用DISTINCT的时候，性能是个绕不开的话题。尤其是数据量大的表，比如几十万行甚至上百万行，DISTINCT会消耗不少资源，因为它需要把数据排序或者哈希才能找出重复项。如果你发现查询很慢，有几个办法可以优化。第一，尽量只对需要的列去重，别写“SELECT DISTINCT ”，那会让数据库把整张表的所有列都比对一遍，慢得离谱。第二，如果去重的列上有索引，性能会好很多。比如你对email字段建了唯一索引，那么DISTINCT email基本就是秒出。第三，考虑用GROUP BY代替DISTINCT，有时候GROUP BY在底层优化得更好。比如“SELECT department FROM employees GROUP BY department”和“SELECT DISTINCT department FROM employees”结果一样，但GROUP BY可能会走索引更快。不过具体哪个快，还得看数据库引擎和版本，最好自己测试一下。
还有一个常见的坑：NULL值。在DISTINCT的逻辑里，NULL被认为是相等的，所以多个NULL行会被合并成一个。比如你查“SELECT DISTINCT phone FROM customers”，如果有些客户的phone字段是NULL，那最终结果里只会出现一行NULL。这符合SQL标准，但有时候会让人困惑。比如你明明记得有五个客户没填电话，但结果只显示一个NULL，你可能会以为数据有误。解决方法是，如果你想把NULL单独处理，可以用COALESCE把NULL替换成占位符，比如“SELECT DISTINCT COALESCE(phone, '无电话') FROM customers”，这样就能看到五个“无电话”行（如果其他字段不同的话）。但要注意，这样改的是查询结果，不影响原表。
实际工作中，DISTINCT的用法远不止这些。比如你可以用它在子查询里先做去重，再关联主表。举个例子，你想找出那些至少下过两次订单的客户，可以先查出每个客户的下单次数，再用DISTINCT去重，筛选。或者在做数据清洗的时候，DISTINCT能帮你快速发现重复记录，比如查“SELECT email, COUNT() FROM users GROUP BY email HAVING COUNT(*) > 1”，就能找出邮箱重复的用户。这时候DISTINCT不是主角，但它是基础操作的一部分。还有，当你用UNION合并两个查询结果时，UNION默认会去重，其实就相当于在背后用了DISTINCT。如果你不想去重，可以用UNION ALL。所以理解DISTINCT，对理解UNION也有帮助。
说点实用的。如果你在写复杂查询时拿不准DISTINCT的影响，可以先在小数据集上测试。比如先查10行数据，加上DISTINCT看看结果变没变，再慢慢扩大范围。很多数据库客户端都支持预览结果，别怕试错。另外，DISTINCT和ORDER BY、LIMIT一起用的时候要小心顺序。比如“SELECT DISTINCT name FROM users ORDER BY name LIMIT 10”，这是合理的，先去重，再排序，再取前10个。但如果你先排序再去重，逻辑上就不通，因为排序本身需要知道所有行，而去重会打乱顺序。所以记住：DISTINCT通常在ORDER BY之前执行，除非你用了子查询。掌握这些细节，你就能像老司机一样，轻松驾驭重复数据行，让查询结果干净又准确。
