DISTINCT 与 LEFT JOIN 同用通常是逻辑缺陷信号,根源在于一对多关联失控;应优先用 EXISTS/IN 替代、控制 JOIN 条件或聚合预处理右表,而非依赖 DISTINCT 治标。

DISTINCT 和 LEFT JOIN 一起用,通常不是优化起点,而是问题信号。90% 的场景下,加 DISTINCT 是为了掩盖 LEFT JOIN 导致的重复行——比如一对多关联没控制好、JOIN 条件漏写、或业务语义本就不该走 JOIN。直接优化 DISTINCT 往往治标不治本,先得揪出重复根源。
为什么 LEFT JOIN 后加 DISTINCT 很可能意味着逻辑缺陷
LEFT JOIN 本身就会因右表一对多关系(如一个用户有多条订单、一个文件有多个属性)产生重复左表行。DISTINCT 只是把结果行向量整体去重,但它不解决“为什么同一左表记录被拉出 5 次”这个根本问题。
- 常见错误:写
SELECT DISTINCT u.id, u.name FROM users u LEFT JOIN orders o ON u.id = o.user_id,本意是查“所有用户”,结果却因用户有 3 笔订单,u.id, u.name被复制 3 次,再靠DISTINCT硬压成 1 行——这掩盖了“其实你根本不需要订单数据”的事实 - 更危险的是:如果
orders表里某笔订单的status是 NULL 或已删除,但 JOIN 条件没过滤,它仍会参与连接,导致左表行被重复拉取,而DISTINCT无法识别这种语义级冗余 - 执行计划里一旦出现
Using temporary; Using filesort,基本可断定 MySQL 正在内存或磁盘建临时表做全量排序去重,I/O 开销陡增
优先用 EXISTS / IN 替代 LEFT JOIN + DISTINCT
当业务语义只是“左表中存在右表匹配记录的那些行”,就别 JOIN 再去重,改用半连接语义更清晰、执行更轻量。
- 坏写法:
SELECT DISTINCT u.id, u.name FROM users u LEFT JOIN orders o ON u.id = o.user_id WHERE o.id IS NOT NULL - 好写法:
SELECT u.id, u.name FROM users u WHERE EXISTS (SELECT 1 FROM orders o WHERE o.user_id = u.id) - 优势:避免生成中间笛卡尔积;数据库能提前终止子查询(找到第一个匹配即停);索引利用率高(尤其
orders(user_id)有索引时) - 注意:
EXISTS不返回右表字段,如果后续真需要订单信息,应拆成两步:先用EXISTS过滤 ID,再用IN或主键 JOIN 查详情
必须保留 LEFT JOIN 时,控制膨胀源头比依赖 DISTINCT 更有效
如果确实要带右表字段(如最新订单时间、订单总数),就别让 JOIN 自己“泛滥”,从关联逻辑上收口:
- 给每个
LEFT JOIN加明确的筛选条件,例如:LEFT JOIN orders o ON u.id = o.user_id AND o.status = 'paid',而不是只写ON u.id = o.user_id再靠WHERE过滤——后者会让无效订单也参与连接,徒增中间结果集 - 对一对多关系,优先用聚合或窗口函数预处理右表,例如:
SELECT u.*, last_order.time FROM users u LEFT JOIN (SELECT user_id, MAX(created_at) AS time FROM orders WHERE status = 'paid' GROUP BY user_id) last_order ON u.id = last_order.user_id - 检查所有 JOIN 表是否有可用索引:左表关联字段、右表
ON字段、以及WHERE中高频过滤字段,三者最好能覆盖在同一个联合索引里(如orders(user_id, status, created_at))
实在绕不开 DISTINCT,就压缩它的输入规模
DISTINCT 的代价和它要处理的行数正相关。让它操作的数据越少、字段越窄、顺序越可控,性能越好。
- 把
WHERE条件尽可能往前挪:先过滤再 JOIN,再 DISTINCT,而不是SELECT DISTINCT ... FROM big_table LEFT JOIN ... WHERE ...——否则去重是在全量 JOIN 结果上做的 - 只选真正需要的列:
SELECT DISTINCT u.id, u.name比SELECT DISTINCT *快得多;尤其避开TEXT、JSON、大VARCHAR字段,它们会拖慢哈希/排序过程 - 为
DISTINCT字段建联合索引,顺序按SELECT列顺序来。例如SELECT DISTINCT city, category FROM shops,建索引(city, category)可让 MySQL 直接扫描索引完成去重,避免回表和临时表 - 如果只是统计去重数量(如
COUNT(DISTINCT user_id)),且允许近似值,考虑APPROX_COUNT_DISTINCT()(Presto/Trino)或HLL_SKETCH_ESTIMATE()(ClickHouse),比精确计算快一个数量级
最常被忽略的一点:DISTINCT 去重的是“行向量”,不是“某列”。你看到的“重复”,往往来自 JOIN 逻辑失控,而不是数据本身脏。盯着执行计划里的 rows 和 Extra 字段,比调 DISTINCT 参数有用得多。

















