MySQL DISTINCT优化

最新推荐文章于 2024-03-21 10:27:40 发布
最新推荐文章于 2024-03-21 10:27:40 发布
阅读量1.3k 收藏 1
点赞数
分类专栏： MYSQL索引&SQL优化&服务器优化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gua___gua/article/details/49337661
版权

先做几个实验

SQL1测试:

select distinct hphm from sjkk_gcjl
where       jgsj>='2014-04-01 00:00:00'
        and jgsj<='2015-04-30 00:00:00'
        and hphm like '_BX_27_'
        and csys = 'E'
limit 100;

8 rows in set (9.83 sec)

+----+-------------+-----------+------+-------------------------+---------+---------+-------+--------+-------------------------------------------+
| id | select_type | table     | type | possible_keys           | key     | key_len | ref   | rows   | Extra                                     |
+----+-------------+-----------+------+-------------------------+---------+---------+-------+--------+-------------------------------------------+
|  1 | SIMPLE      | sjkk_gcjl | ref  | index14,index03,index09 | index03 | 17      | const | 383770 | Using where; Using index; Using temporary |
+----+-------------+-----------+------+-------------------------+---------+---------+-------+--------+-------------------------------------------+


mysql> show profile cpu,block io for query 1;
+----------------------------+----------+----------+------------+--------------+---------------+
| Status                     | Duration | CPU_user | CPU_system | Block_ops_in | Block_ops_out |
+----------------------------+----------+----------+------------+--------------+---------------+
| Queried about 630000 rows  | 0.059210 | 0.055992 |   0.000000 |          862 |             0 |
| Queried about 640000 rows  | 0.058513 | 0.091986 |   0.002000 |         1000 |             0 |
| Queried about 650000 rows  | 0.061223 | 0.101984 |   0.002000 |          999 |             0 |
| Queried about 660000 rows  | 0.072752 | 0.113983 |   0.000000 |         1009 |             0 |
| Queried about 670000 rows  | 0.059195 | 0.099985 |   0.000000 |          998 |             0 |
| Queried about 680000 rows  | 0.060985 | 0.105984 |   0.000999 |          876 |             0 |
| Queried about 690000 rows  | 0.061721 | 0.105984 |   0.001000 |         1068 |             0 |
| Queried about 700000 rows  | 0.058141 | 0.054991 |   0.001000 |          998 |             0 |
| Queried about 710000 rows  | 0.059691 | 0.057991 |   0.000000 |          875 |             0 |
| Queried about 720000 rows  | 0.063056 | 0.106984 |   0.002000 |         1069 |             0 |
| Queried about 730000 rows  | 0.060662 | 0.101985 |   0.001000 |         1000 |             0 |
| Queried about 740000 rows  | 0.059837 | 0.119981 |   0.001000 |          874 |             0 |
| Queried about 750000 rows  | 0.060930 | 0.105984 |   0.002999 |         1004 |             0 |
| Queried about 760000 rows  | 0.061645 | 0.100985 |   0.004999 |         1063 |             0 |
| Queried about 770000 rows  | 0.058895 | 0.097985 |   0.003000 |          873 |             0 |
| Queried about 780000 rows  | 0.060339 | 0.106984 |   0.000000 |         1005 |             0 |
| Queried about 790000 rows  | 0.059922 | 0.109983 |   0.000000 |          876 |             0 |
| Queried about 800000 rows  | 0.060070 | 0.102984 |   0.002000 |         1065 |             0 |
| Queried about 810000 rows  | 0.060085 | 0.102985 |   0.000000 |         1000 |             0 |
| Queried about 820000 rows  | 0.058799 | 0.103984 |   0.001999 |          874 |             0 |
| Queried about 830000 rows  | 0.060548 | 0.102984 |   0.000000 |         1059 |             0 |
| Queried about 840000 rows  | 0.058795 | 0.098985 |   0.001000 |         1001 |             0 |
| Queried about 850000 rows  | 0.059702 | 0.104984 |   0.001000 |          876 |             0 |
| Queried about 860000 rows  | 0.085284 | 0.119982 |   0.002999 |          991 |             0 |
| Queried about 870000 rows  | 0.060015 | 0.105984 |   0.000000 |         1070 |             0 |
| Queried about 880000 rows  | 0.086861 | 0.112983 |   0.018998 |          874 |         32768 |
| Queried about 890000 rows  | 0.057708 | 0.059991 |   0.001999 |          992 |             0 |
| Queried about 900000 rows  | 0.059749 | 0.062990 |   0.000000 |          878 |             0 |
| Queried about 910000 rows  | 0.060904 | 0.106984 |   0.001000 |         1068 |             0 |
| Queried about 920000 rows  | 0.058960 | 0.100985 |   0.002000 |         1000 |             0 |
| Queried about 930000 rows  | 0.058698 | 0.102984 |   0.000000 |          876 |             0 |
| Queried about 940000 rows  | 0.061582 | 0.109983 |   0.002000 |         1058 |             0 |
| Queried about 950000 rows  | 0.057122 | 0.099985 |   0.000000 |          997 |             0 |
| Queried about 960000 rows  | 0.057954 | 0.105984 |   0.000999 |          865 |             0 |
| Queried about 970000 rows  | 0.061030 | 0.111983 |   0.000000 |          999 |             0 |
| Queried about 980000 rows  | 0.061993 | 0.111983 |   0.000000 |         1069 |             0 |
| Queried about 990000 rows  | 0.058676 | 0.104984 |   0.001000 |          875 |             0 |
| Queried about 1000000 rows | 0.059957 | 0.105984 |   0.001000 |          992 |             0 |
| Queried about 1010000 rows | 0.059833 | 0.102984 |   0.000000 |          882 |             0 |
| Queried about 1020000 rows | 0.059747 | 0.099985 |   0.000000 |         1058 |             0 |
| Queried about 1030000 rows | 0.058914 | 0.098985 |   0.000000 |          998 |             0 |
| Queried about 1040000 rows | 0.059373 | 0.104984 |   0.001000 |          877 |             0 |
| Queried about 1050000 rows | 0.061450 | 0.102984 |   0.001000 |         1068 |             0 |
| Queried about 1060000 rows | 0.058831 | 0.101985 |   0.001999 |          996 |             0 |
| Queried about 1070000 rows | 0.059302 | 0.103984 |   0.001000 |          865 |             0 |
| Queried about 1080000 rows | 0.059300 | 0.102984 |   0.001000 |         1008 |             0 |
| Queried about 1090000 rows | 0.060018 | 0.066990 |   0.003000 |          935 |             0 |
| Queried about 1100000 rows | 0.059607 | 0.055992 |   0.001000 |          997 |             0 |
| Queried about 1110000 rows | 0.059866 | 0.101984 |   0.000000 |         1000 |             0 |
| Queried about 1120000 rows | 0.058746 | 0.100985 |   0.000999 |          873 |             0 |
| Queried about 1130000 rows | 0.061760 | 0.104984 |   0.002000 |         1046 |             0 |
| Queried about 1140000 rows | 0.059472 | 0.108983 |   0.000000 |         1010 |             0 |
| Queried about 1150000 rows | 0.058003 | 0.104984 |   0.002000 |          873 |             0 |
| Queried about 1160000 rows | 0.061985 | 0.103984 |   0.001999 |         1068 |             0 |
| Queried about 1170000 rows | 0.058483 | 0.103985 |   0.000000 |         1000 |             0 |
| Queried about 1180000 rows | 0.058177 | 0.102984 |   0.000000 |          877 |             0 |
| Queried about 1190000 rows | 0.059631 | 0.099985 |   0.001000 |         1002 |             0 |
| Queried about 1200000 rows | 0.060789 | 0.100984 |   0.001000 |          943 |             0 |
| Queried about 1210000 rows | 0.058576 | 0.102985 |   0.000000 |          994 |             0 |
| Queried about 1220000 rows | 0.060485 | 0.104984 |   0.002000 |         1015 |             0 |
| Queried about 1230000 rows | 0.060498 | 0.102984 |   0.002000 |          870 |             0 |
| Queried about 1240000 rows | 0.060536 | 0.102984 |   0.001999 |         1060 |             0 |
| Queried about 1250000 rows | 0.059091 | 0.124981 |   0.004000 |          992 |             0 |
| Queried about 1260000 rows | 0.065156 | 0.116983 |   0.000999 |          875 |             0 |
| Queried about 1270000 rows | 0.064085 | 0.086986 |   0.001000 |         1067 |             0 |
| Queried about 1280000 rows | 0.059056 | 0.053992 |   0.001000 |          872 |             0 |
| Queried about 1290000 rows | 0.098185 | 0.127981 |   0.004000 |         1004 |             0 |
| Queried about 1300000 rows | 0.061578 | 0.110983 |   0.002999 |          999 |             0 |
| Queried about 1310000 rows | 0.060825 | 0.106984 |   0.000000 |          943 |             0 |
| Queried about 1320000 rows | 0.058399 | 0.102984 |   0.001000 |          998 |             0 |
| Queried about 1330000 rows | 0.060508 | 0.107984 |   0.003000 |         1000 |             0 |
| Queried about 1340000 rows | 0.059201 | 0.103984 |   0.000000 |          870 |             0 |
| Queried about 1350000 rows | 0.059936 | 0.106983 |   0.000999 |         1073 |             0 |
| Queried about 1360000 rows | 0.059736 | 0.103985 |   0.000000 |         1000 |             0 |
| Queried about 1370000 rows | 0.059515 | 0.104984 |   0.001000 |          874 |             0 |
| Queried about 1380000 rows | 0.062633 | 0.108983 |   0.001000 |         1067 |             0 |
| Queried about 1390000 rows | 0.058827 | 0.102984 |   0.000000 |          873 |             0 |
| Queried about 1400000 rows | 0.060226 | 0.104985 |   0.003000 |          999 |             0 |
| Queried about 1410000 rows | 0.060084 | 0.104984 |   0.000999 |          999 |             0 |
| Queried about 1420000 rows | 0.060381 | 0.101984 |   0.002000 |          945 |             0 |
| Queried about 1430000 rows | 0.059975 | 0.103984 |   0.001000 |          991 |             0 |
| Queried about 1440000 rows | 0.059889 | 0.103984 |   0.003000 |          999 |             0 |
| Queried about 1450000 rows | 0.060687 | 0.114983 |   0.000999 |          874 |             0 |
| Queried about 1460000 rows | 0.061676 | 0.076988 |   0.001000 |         1066 |             0 |
| Queried about 1470000 rows | 0.058176 | 0.054992 |   0.001000 |          872 |             0 |
| Queried about 1480000 rows | 0.059710 | 0.108983 |   0.001000 |          997 |             0 |
| Queried about 1490000 rows | 0.062022 | 0.104984 |   0.002000 |         1000 |             0 |
| Queried about 1500000 rows | 0.057363 | 0.104984 |   0.000999 |          877 |             0 |
| Queried about 1510000 rows | 0.057744 | 0.103985 |   0.000000 |          993 |             0 |
| Queried about 1520000 rows | 0.059178 | 0.108983 |   0.000000 |          988 |             0 |
| Queried about 1530000 rows | 0.007340 | 0.008999 |   0.002000 |          129 |             0 |
| Sending data               | 0.000030 | 0.000000 |   0.000000 |            0 |             0 |
| end                        | 0.000016 | 0.000000 |   0.000000 |            0 |             0 |
| removing tmp table         | 0.000019 | 0.000000 |   0.000000 |            0 |             0 |
| end                        | 0.000017 | 0.000000 |   0.000000 |            0 |             0 |
| query end                  | 0.000017 | 0.000000 |   0.000000 |            0 |             0 |
| closing tables             | 0.000022 | 0.000000 |   0.000000 |            0 |             0 |
| freeing items              | 0.000031 | 0.000000 |   0.000000 |            0 |             0 |
| logging slow query         | 0.000027 | 0.000000 |   0.000000 |            0 |             0 |
| cleaning up                | 0.000016 | 0.000000 |   0.000000 |            0 |             0 |
+----------------------------+----------+----------+------------+--------------+---------------+
100 rows in set (0.00 sec)

SQL2测试

select distinct hphm from sjkk_gcjl
where       jgsj>='2014-04-01 00:00:00'
        and jgsj<='2015-04-30 00:00:00'
        and hphm like '%2%'
        and csys = 'E'
limit 100;

100 rows in set (0.87 sec)
+----+-------------+-----------+------+-------------------------+---------+---------+-------+--------+-------------------------------------------+
| id | select_type | table     | type | possible_keys           | key     | key_len | ref   | rows   | Extra                                     |
+----+-------------+-----------+------+-------------------------+---------+---------+-------+--------+-------------------------------------------+
|  1 | SIMPLE      | sjkk_gcjl | ref  | index14,index03,index09 | index03 | 17      | const | 383770 | Using where; Using index; Using temporary |
+----+-------------+-----------+------+-------------------------+---------+---------+-------+--------+-------------------------------------------+

mysql> show profile cpu,block io for query 4;
+----------------------+----------+----------+------------+--------------+---------------+
| Status               | Duration | CPU_user | CPU_system | Block_ops_in | Block_ops_out |
+----------------------+----------+----------+------------+--------------+---------------+
| starting             | 0.000184 | 0.000000 |   0.000000 |            0 |             0 |
| checking permissions | 0.000069 | 0.000000 |   0.000000 |            0 |             0 |
| Opening tables       | 0.000066 | 0.000000 |   0.000000 |            0 |             0 |
| System lock          | 0.000066 | 0.000000 |   0.000000 |            0 |             0 |
| init                 | 0.000084 | 0.000000 |   0.000000 |            0 |             0 |
| optimizing           | 0.000082 | 0.000000 |   0.000000 |            0 |             0 |
| statistics           | 0.827258 | 0.037994 |   0.008999 |         5957 |             0 |
| preparing            | 0.000117 | 0.000000 |   0.000000 |            0 |             0 |
| Creating tmp table   | 0.000072 | 0.000000 |   0.000000 |            0 |             0 |
| executing            | 0.000025 | 0.000000 |   0.000000 |            0 |             0 |
| Copying to tmp table | 0.038604 | 0.005999 |   0.000000 |          573 |             0 |
| Sending data         | 0.000053 | 0.000000 |   0.000000 |            0 |             0 |
| end                  | 0.000016 | 0.000000 |   0.000000 |            0 |             0 |
| removing tmp table   | 0.000019 | 0.000000 |   0.000000 |            0 |             0 |
| end                  | 0.000016 | 0.000000 |   0.000000 |            0 |             0 |
| query end            | 0.000017 | 0.000000 |   0.000000 |            0 |             0 |
| closing tables       | 0.000022 | 0.000000 |   0.000000 |            0 |             0 |
| freeing items        | 0.000035 | 0.000000 |   0.000000 |            0 |             0 |
| logging slow query   | 0.000027 | 0.000000 |   0.000000 |            0 |             0 |
| cleaning up          | 0.000016 | 0.000000 |   0.000000 |            0 |             0 |
+----------------------+----------+----------+------------+--------------+---------------+
20 rows in set (0.00 sec)

从上面的SQL1测试和SQL2测试可以看出，SQL2比SQL1快很多，主要原因是SQL2磁盘读取操作比较少。（虽然符合SQL2条件的数据很多，

但是SQL2只需要扫描很少的数据就可以找到需要的不重复的那100条数据，而符合SQL1过滤条件的数据比较少，SQL1需要扫描更多的数

据才能找到需要的不重复的那100条数据）


SQL3测试

select distinct hphm from sjkk_gcjl use index(index03)
where       jgsj>='2015-04-01 00:00:00'
        and jgsj<='2015-04-30 00:00:00'
        and hphm like '_BX_27_'
        and csys = 'E'
limit 100;
.....
5 rows in set (4.82 sec)

+----+-------------+-----------+------+---------------+---------+---------+-------+--------+-------------------------------------------+
| id | select_type | table     | type | possible_keys | key     | key_len | ref   | rows   | Extra                                     |
+----+-------------+-----------+------+---------------+---------+---------+-------+--------+-------------------------------------------+
|  1 | SIMPLE      | sjkk_gcjl | ref  | index03       | index03 | 17      | const | 837454 | Using where; Using index; Using temporary |
+----+-------------+-----------+------+---------------+---------+---------+-------+--------+-------------------------------------------+
从上面SQL1和SQL3测试可以看出，将时间段缩短，即让扫描的数据少一些，可以让其快一些。


总结，从上面的测试可以看出对于带有limit的查询的distinct的优化，在于让其尽量减少检索符合要求的数据时磁盘的读取操作。

这个可以通过索引来完成。有的SQL也可以通过索引来完成distinct工作；下面举一个利用索引完成去重工作的例子。

select distinct hphm from sjkk_gcjl limit 100;
.....
100 rows in set (0.52 sec)
+----+-------------+-----------+-------+---------------+---------+---------+------+------+-------------------------------------------+
| id | select_type | table     | type  | possible_keys | key     | key_len | ref  | rows | Extra                                     |
+----+-------------+-----------+-------+---------------+---------+---------+------+------+-------------------------------------------+
|  1 | SIMPLE      | sjkk_gcjl | range | NULL          | index01 | 47      | NULL |   10 | Using index for group-by; Using temporary |
+----+-------------+-----------+-------+---------------+---------+---------+------+------+-------------------------------------------+

    上面一个（hphm）这样的索引就可以.

    如果上面的sql有csys='A'条件那就得用（csys,hphm）这样的索引。

    如果上面的sql有csys='A' and jgsj>='2015-04-01 00:00:00'  and jgsj<='2015-04-30 00:00:00' 条件，可以加个（csys,jgsj,hphm）但是这个

索引的hphm是用不到的，因为jgsj是个范围条件，索引里加上hphm，可以让这个sql走个覆盖索引。











kf_panda
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
MySQL中索引优化distinct语句及distinct的多字段操作
09-10
结果显示，MySQL使用了`PRIMARY`索引来完成`DISTINCT`操作，这表明索引有效地优化了查询，避免了全表扫描。 然而，并非所有情况下`DISTINCT`都能利用索引来优化。例如，当表引擎改为MEMORY时，同样的查询可能无法...
MySQL基础扎实——如何优化DISTINCT
IT小辉同学
07-29 2019
愿命运，对那些善良的人多一些照顾与厚爱！
mysql distinct效率优化_group by与distinct效率分析及优化措施
weixin_42567046的博客
02-01 2870
如何使用group by进行去重因为mysql的distinct在结果集中，全部不同，才可以去重。所以，当我们进行去重处理的时候，需要单独对某列进行去重，可以使用group by子句进行分组去重select _auto_id from account_login group by _auto_id; 该语句可以对_auto_id列进行去重。在使用group by进行去重效率分析无索引0.23smy...
mysql distinct 优化_Mysql应用分析MySQL中优化distinct的技巧
weixin_31901801的博客
01-27 2158
《MysqL应用分析MysqL中优化distinct的技巧》要点：本文介绍了MysqL应用分析MysqL中优化distinct的技巧，希望对您有用。如果有疑问，可以联系我们。sql用于统计用户访问的uv,由于单表的数据量在10G以上,即使在user_access_xx_xx上加上nick的索引,sql在执行的时候,会对整个服务器带来抖动；sql需要花费52.78s,已经非常的慢了解决该问题：sql...
mysql distinct 优化_SQL优化终于干掉了“distinct”
weixin_42363388的博客
01-27 2993
一、优化目的在我提交了代码的时候，架构师给我指出我这个sql这样写会有问题。因为在分库分表的时候，是不支持子查询的。所以需要把多表的子查询的sql结构进行优化。二、优化之前的sql长这样是不是挺恐怖的；(此处为了脱敏，我把相关的sql关键词都给打码掉了)这个sql的执行步骤如下：1、查询出来d表中的某个id字段包含多个id值的所有的数据(因为此表是1-n的关系，所以需要去重，仅需要拿到不重复的id...
MySQL优化之distinct
幸福的使者
08-10 1446
distinct实际上和group by的操作非常相似，只不过是在group by之后的每组中取出一条记录而已。 但是distinct分组的时候是不使用排序来做分组的。   同样distinct也分为松散索引扫描和紧凑索引扫描   松散索引    测试过程中我发现如果distinct中的字段本身是唯一的或者没有数据则Extra中不是Using index for
分析MySQL中优化distinct的技巧
09-10
在MySQL数据库中，优化`DISTINCT`操作是一个关键的性能提升策略，特别是在处理大量数据时。本文将深入探讨如何分析并优化MySQL中的`DISTINCT`查询，以减少本地扫描的次数，提高查询效率。 首先，考虑一个典型的示例...
【DISTINCT】优化之MySQL官方文档翻译
10-01
### DISTINCT优化之MySQL官方文档翻译解析 #### 一、引言 在数据库查询操作中，经常需要使用`DISTINCT`关键字来去除重复记录，确保结果集中的每一条记录都是唯一的。然而，在某些场景下，使用`DISTINCT`可能会导致...
MySQL DISTINCT 的基本实现原理详解
09-09
MySQL DISTINCT 是一种用于消除查询结果集中重复行的SQL语句，它的基本实现原理与GROUP BY类似，但在细节上有一定的区别。在理解DISTINCT的工作方式时，我们首先要了解它如何与索引交互，以及在无法利用索引时如何...
MySQL 如何优化DISTINCT问题描述
最新发布
weixin_43183496的博客
03-21 443
然后再运行DISTINCT查询，这样数据库就可以更快地找到并消除重复的product_id值。
MySQL数据库调优————GROUP BY及DISTINCT优化
weixin_38910645的博客
02-19 1031
然后将person[i]的进行计算得到最小的salary，再计算person[i+1]的最小salary，但是索引是有序的，查询出来的语句已经是先按person排序，再按salary排序，也就是说每个person的第一个salary就是最小的，中间的扫描所有每个person的salary并计算最小值的过程是可以省略的直接取每个person的第一个salary即可，这就是松散索引扫描，无需扫描所有的满足条件的索引。一旦使用了临时表，在Extra中将会出现Using temporary。
MySQL 8.0 官方文档 第八章 优化（十九）—— DISTINCT优化 和 LIMIT 查询优化
HZ_Samuel博客
05-16 1201
目录第八章 优化（十九）—— DISTINCT优化 和 LIMIT 查询优化8.2 优化SQL语句8.2.1 优化 SELECT 语句8.2.1.18 DISTINCT 优化8.2.1.19 LIMIT 查询优化 第八章 优化（十九）—— DISTINCT优化 和 LIMIT 查询优化 8.2 优化SQL语句 8.2.1 优化 SELECT 语句 8.2.1.18 DISTINCT 优化 在许多情况下，DISTINCT与ORDER BY组合使用需要一个临时表。 因为DISTINCT可能使用到GROUP
mysql distingct_MySQL优化之distinct
weixin_29499957的博客
02-07 226
distinct实际上和group by的操作非常相似，只不过是在group by之后的每组中取出一条记录而已。但是distinct分组的时候是不使用排序来做分组的。同样distinct也分为松散索引扫描和紧凑索引扫描松散索引测试过程中我发现如果distinct中的字段本身是唯一的或者没有数据则Extra中不是Using index for group-by，而是显示using Index，说明M...
MySQL优化数据大表查询count(distinct 字段)
刘先生倒了u的博客
01-12 1633
使用distinct查询去重后的count。运行耗时：204.264秒。运行耗时：130.528秒。运行耗时：136.173秒。●不重复行数：443w行。●总行数为：718w行。
distinct sql用法_SQL优化终于干掉了“distinct”
weixin_39722375的博客
11-22 881
一、优化目的在我提交了代码的时候，架构师给我指出我这个sql这样写会有问题。因为在分库分表的时候，是不支持子查询的。所以需要把多表的子查询的sql结构进行优化。二、优化之前的sql长这样是不是挺恐怖的；（此处为了脱敏，我把相关的sql关键词都给打码掉了）这个sql的执行步骤如下：1、查询出来d表中的某个id字段包含多个id值的所有的数据（因为此表是1-n的关系，所以需要去重，仅需要拿到不重复的id...
mysql distinct 优化_mysql中去重 用group by优化distinct 用法
weixin_42298437的博客
01-27 253
在使用MySQL时，有时需要查询出某个字段不重复的记录，这时可以使用mysql提供的distinct这个关键字来过滤重复的记录，但是实际中我们往往用distinct来返回不重复字段的条数(count(distinct id)),其原因是distinct只能返回他的目标字段，而无法返回其他字段，例如有如下表user:用distinct来返回不重复的用户名：select distinct name f...
mysql优化DISTINCT
Yqy_12的博客
07-19 595
sql优化
mysql distinct 优化
06-03
在 MySQL 中，使用 DISTINCT 关键字可以去除查询结果集中的重复行。但是在执行 DISTINCT 操作时，MySQL 会对结果集进行排序和去重，这会导致性能瓶颈。以下是一些优化 DISTINCT 查询的方法： 1. 使用 GROUP BY 替代...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值