MySQL中DISTINCT與GROUP BY計數原理分析

通常，我們要統計一個字段有幾種值有兩種方法：在語句中使用DISTINCT或者GROUP BY，配合count進行查詢。
例如：

SELECT count(DISTINCT col) FROM table;
SELECT count(1) FROM (SELECT 1 FROM table GROUP BY col) alias;

那麼這兩者的效率究竟如何呢？網上的答案可謂前篇一律，大多說GROUP BY更勝一籌！對此，DISTINCT表示不服，那我是不是白活了！

今天我們就來了解一下這兩者的實現原理，最後才能知道它們究竟有啥區別。
DISTINCT：這種方式會將全部內容存儲在一個hash結構裏，最後通過計算hash結構中key的個數即可得到結果，典型的以空間換取時間的方式。
GROUP BY：這種方式是先將字段排序（一般使用sort），然後進行計數，典型的以時間換取空間。

瞭解原理之後，我們可以得出，

數據越是離散，DISTINCT需要消耗的空間越大，效率也就越低，此時GROUP BY的空間優勢就顯現了；相反，數據越是集中，DISTINCT空間佔用變小，時間優勢就顯現出來了。

但是，空口無憑，我們需要動手證明。
第一步，創建一張測試表：

CREATE TABLE `comments` (
    `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
    `uid` int(10) unsigned NOT NULL COMMENT '用戶uid',
    `aid` int(8) NOT NULL COMMENT '文章aid',  
    `content` text CHARACTER SET utf8mb4 NOT NULL COMMENT '發表內容',
    `picture` varchar(255) NOT NULL DEFAULT '' COMMENT '圖片', 
    `status` tinyint(1) NOT NULL DEFAULT '0' COMMENT '顯示狀態 0:不顯示 1:顯示',
    `qid` int(10) NOT NULL DEFAULT '0' COMMENT '引用id',  
    `praise_num` int(10) NOT NULL DEFAULT '0' COMMENT '被贊數',
    `floor_num` int(10) unsigned NOT NULL DEFAULT '0' COMMENT '樓層',
    `ip` int(10) NOT NULL COMMENT 'ip地址',
    `update_time` int(10) unsigned NOT NULL COMMENT '發表時間',
    `create_time` int(10) unsigned NOT NULL COMMENT '發表時間',
    PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

第二步，寫入500萬條記錄
一些測試的關鍵字段總數如下：

第三步，對上面的四個字段分別進行測試：
status字段

A: SELECT count(DISTINCT status) FROM comments;
B: SELECT count(1) FROM (SELECT 1 FROM comments GROUP BY status) alias;

分別執行100次，A語句的平均耗時爲0.882秒，B語句的平均耗時爲1.257秒

praise_num字段

A: SELECT count(DISTINCT praise_num) FROM comments;
B: SELECT count(1) FROM (SELECT 1 FROM comments GROUP BY praise_num) alias;

分別執行100次，A語句的平均耗時爲1.589秒，B語句的平均耗時爲1.848秒

floor_num字段

A: SELECT count(DISTINCT floor_num) FROM comments;
B: SELECT count(1) FROM (SELECT 1 FROM comments GROUP BY floor_num) alias;

分別執行100次，A語句的平均耗時爲1.840秒，B語句的平均耗時爲1.811秒

uid字段

A: SELECT count(DISTINCT uid) FROM comments;
B: SELECT count(1) FROM (SELECT 1 FROM comments GROUP BY uid) alias;

分別執行100次，A語句的平均耗時爲3.003秒，B語句的平均耗時爲1.927秒

以上測試表明，我們得出的結論是正確的，實際應用中要使用哪個，還得根據實際情況來決定。