一、前言
比如有两个数据表,表结构是一样的,一个a
表数据300W
行,一个b
表数据17W
行,我们需要获取a
表中不包含b
表的数据。下面大致记录一下获取过程,方便查询回忆。
a表结构:
id
pay_id
user_id
b
表结构和a
表一直,只不过b
表中的user_id
字段都是唯一的,而a
表中的user_id
字段是可重复的。
二、使用distinct获取不重复的数据
我们都知道Mysql
提供了关键字distinct来排除重复数据,
1、先获取a表中不重复的数据:
select count(distinct user_id) from a where 1 ;
+-----------------------------+
| count(distinct user_id) |
+-----------------------------+
| 240522 |
+-----------------------------+
2、获取b表数据
mysql> select count(1) from b;
+----------+
| count(1) |
+----------+
| 176731 |
我们看到a
表和b
表是有一定的差值的,接下来是获取差值对应的字段。
3、查询筛选后的数据
SELECT distinct user_id FROM a LEFT JOIN b ON a.user_id= b.user_id WHERE f.user_id IS NULL ';
+-------------+
| user_id |
+-------------+
| 10000058 |
| 10009228 |
| 10042967 |
....
+-------------+
通过查询结果,我们获取到了不重复的user_id
的值,但是需求是获取不重复的行数据,所以还要获得a
表中pay_id
的值。只是在通过distinct
获取其他数据的时候,遇到了一些 问题
4、distinct多个字段的问题
(1)不能是分散的写法
如:distinct user_id,distinct user_id
这种写法会报错
(2)正确的distinct写法
distinct user_id, pay_id
SELECT distinct p.user_id,p.pay_id FROM a as p LEFT JOIN b as f ON p.user_id = f.user_id
WHERE f.user_id IS NULL order by p.user_id asc limit 10;
类似于:
| user_id | pay_id |
+-------------+--------+
| 10000058 | 16 |
| 10000058 | 17 |
| 10000058 | 18 |
| 10000058 | 19 |
| 10000058 | 20 |
有个问题,distinct
多个字段,那么只会排除user_id
和 pay_id
都相同的数据,并不符合需求,需求是只排除user_id
重复的部分,然后获取唯一user_id
以及对应的pay_id
(3)符合需求的写法(使用left join)
SELECT a.pay_id,a.user_id FROM a LEFT JOIN b as f ON a.user_id = f.user_id
where f.user_id IS NULL GROUP BY a.user_id order by a.user_id desc limit 10;
+----------+-------------+
| pay_id | |user_id |
+----------+-------------+
| 16 | 10000058 |
| 15 | 10009228 |
| 77 | 10042967 |
| 687 | 10043113 |
| 119 | 10043147 |
我们这里没有使用distinct
关键字,首先是使用left join
去除两个表中重复的部分,其次是使用group by
的去重特性,当按照user_id
分组的时候,自然在结果中user_id
也是唯一的一个。
记录这一篇的原因是因为一开始想的太复杂了,什么子查询啊,not exist
之类的,自己把问题想麻烦了,包括使用distinct
获取数据,往错的方向上努力,无论如何都是错的。偏偏忘记了最常用的left join
和group by
,明明就是一条sql
就能解决的事情。
祝祖国70周年生日快乐,也祝各位国庆节快乐!
end