DISTINCT 不是简单删掉重复行，而是数据库在查询执行过程中对结果集做的一次逻辑去重操作。它的行为取决于数据量、索引情况、目标字段基数以及具体数据库的优化器策略。

去重对象是整行组合值，不是单列

DISTINCT 作用于 SELECT 后面所有列构成的元组。比如 SELECT DISTINCT a, b FROM t，判断是否重复的标准是 (a,b) 这一对值是否完全相同。只要其中任一列不同，整行就不算重复。

• 想单独获取 a 的所有不同值，应写 SELECT DISTINCT a FROM t
• 如果误以为它分别对 a 和 b 去重，容易导致结果误解
• 所有 NULL 值被视作相等，多行 NULL 组合只保留一行

底层实现主要靠排序、哈希或索引

数据库不会遍历全部数据再人工比对，而是用高效结构完成去重：

• 排序方式：先按 SELECT 列排序，再顺序扫描跳过相邻重复项；适合中小数据量，但排序开销大，内存不足会落盘
• 哈希方式：构建哈希表，以 DISTINCT 列值为 key，首次出现写入，后续跳过；速度快，但吃内存；SQL Server、新版本 PostgreSQL 常默认启用
• 索引隐式去重：若 DISTINCT 列上有唯一索引（或联合索引前导列覆盖），且查询无额外非索引列或表达式，优化器可能直接扫索引，天然不产生重复

COUNT(DISTINCT ...) 是特例，不能多列统计

COUNT(DISTINCT col) 是常见聚合需求，用于统计某列唯一值数量。但注意：

• 语法 COUNT(DISTINCT a, b) 在绝大多数数据库中非法（SQL Server、MySQL、PostgreSQL 均不支持）
• 如需统计 (a,b) 组合数，得套一层子查询：SELECT COUNT(*) FROM (SELECT DISTINCT a, b FROM t) AS tmp
• 该操作内部仍走排序或哈希，大数据量时性能敏感，建议对 a、b 建联合索引

和 GROUP BY 的本质区别

DISTINCT 和 GROUP BY 都能输出唯一行，但定位不同：

• DISTINCT 只做去重，不支持聚合函数，语义清晰、写法简洁
• GROUP BY 是分组机制，必须配合 COUNT/SUM/MAX 等才能有意义，即使只写 GROUP BY a, b，也隐含“每组取一行”的逻辑
• 某些数据库（如 PostgreSQL）在执行计划中会把 DISTINCT 重写为 GROUP BY，但用户无需干预，按语义选即可