DISTINCT本质是整行去重，非单字段筛选；仅当SELECT所有列值完全相同时才合并，NULL视为相同；有索引时走松散索引扫描，无索引则用临时表，性能差异显著。
DISTINCT 本质是整行去重，不是按单列“挑一个”
很多人误以为 DISTINCT name 是从重复的 name 中随便选一条返回。其实不是：MySQL 把 SELECT DISTINCT name 看作只查一列的结果集，然后对这一列的每一行值做唯一性判断——NULL 算一个独立值，'Alice' 出现三次也只留一次。但如果是 SELECT DISTINCT name, city，那就得把 (name, city) 当成一个元组整体比较，('Alice', 'NYC') 和 ('Alice', 'LA') 完全不同，都会保留。
MySQL 实际用哪套算法，取决于有没有索引
- 没索引时走
Using temporary：全表扫描 → 所有目标字段值塞进内存哈希表（或磁盘临时表）→ 遍历去重 → 返回。数据量大时极易触发磁盘写，慢得明显 - 有索引时可能走松散索引扫描（Loose Index Scan）：直接顺序遍历 B+ 树叶子节点，相同值天然相邻，遇到下一个不同值才取一次。不建临时表，也不排序，I/O 和 CPU 都省得多
- 低基数字段（比如 status 只有 3 个值）即使没索引，优化器也可能用特殊路径加速，但不可依赖
EXPLAIN 是唯一能确认执行方式的手段
别猜，直接看 EXPLAIN SELECT DISTINCT user_id FROM orders 的输出：
- 如果
Extra列含Using temporary，说明正在用临时表，性能风险高 - 如果
type是index或range，且key显示用了某个索引，大概率走了索引去重 -
rows值接近总行数？那基本就是全表扫了，哪怕加了索引，也可能因为查询条件或字段类型（如前缀索引太短）导致失效
多字段 DISTINCT 的陷阱比想象中多
-
SELECT DISTINCT a, b FROM t和SELECT a, b FROM t GROUP BY a, b语义等价，但执行计划未必一样；GROUP BY 在某些版本里更倾向用索引，DISTINCT 更容易退化 - 不能在
DISTINCT后混用非去重字段又不加聚合：比如SELECT DISTINCT name, score FROM students ORDER BY score DESC会报错，因为score没参与去重逻辑，MySQL 不知道该按哪个score排 - TEXT/BLOB 类型字段不能直接建完整索引，必须用前缀索引（如
ADD INDEX idx_text(content(50))），而 DISTINCT 要靠这个索引来加速时，前缀长度不够就会失效
真正影响 DISTINCT 性能的，从来不是语法本身，而是你是否盯着 EXPLAIN 里的 Using temporary 这一行，并愿意为高频去重字段补上合适的索引——尤其是当那个字段还常出现在 WHERE 条件里时。
