DISTINCT ON 必须配合 ORDER BY 使用,且 ORDER BY 前缀须严格匹配 DISTINCT ON 字段顺序,否则报错或结果不可预测;正确用法如 SELECT DISTINCT ON (user_id) * FROM orders ORDER BY user_id, created_at DESC;多字段分组时括号内字段顺序决定分组逻辑;性能依赖复合索引,缺失则退化为全表排序;复杂过滤推荐 ROW_NUMBER() 替代。

DISTINCT ON 语法必须配合 ORDER BY 使用
PostgreSQL 的 DISTINCT ON 不是独立去重,它只保证「每个分组中按 ORDER BY 排序后的第一行被保留」。如果省略 ORDER BY,或排序字段没覆盖 DISTINCT ON 的字段,结果不可预测,甚至可能报错:SELECT DISTINCT ON expressions must match initial ORDER BY expressions。
常见错误是写成:
SELECT DISTINCT ON (user_id) * FROM orders;
这会直接报错。正确写法必须让 ORDER BY 的前缀与 DISTINCT ON 字段一致,并补上你想优先保留的排序依据,比如最新时间:
SELECT DISTINCT ON (user_id) * FROM orders ORDER BY user_id, created_at DESC;
-
DISTINCT ON (user_id)表示「每个 user_id 只取一行」 -
ORDER BY user_id, created_at DESC确保每个 user_id 组内,created_at最大的那条排最前,从而被选中 - 如果想取最早记录,把
DESC换成ASC
多字段分组时 DISTINCT ON 的括号顺序很关键
DISTINCT ON 括号里的字段顺序决定分组逻辑,也强制约束 ORDER BY 的前缀顺序。例如想按用户和年份取每人的每年最新订单:
SELECT DISTINCT ON (user_id, EXTRACT(YEAR FROM created_at)) * FROM orders ORDER BY user_id, EXTRACT(YEAR FROM created_at), created_at DESC;
- 必须写成
DISTINCT ON (user_id, EXTRACT(YEAR FROM created_at)),不能调换两个字段位置 -
ORDER BY开头必须严格匹配:先user_id,再EXTRACT(...),最后才是排序用的created_at DESC - 如果漏掉
EXTRACT字段在ORDER BY中,会报错;如果顺序错(比如先写EXTRACT再写user_id),结果分组错乱
性能隐患:DISTINCT ON 很难走索引,大表务必加复合索引
DISTINCT ON 实际依赖排序完成去重,没有合适索引时,PostgreSQL 必须对全表排序,I/O 和内存开销陡增。即使你只查 10 行,也可能触发全表扫描 + 大排序。
- 针对
DISTINCT ON (a, b) ORDER BY a, b, c DESC,最优索引是:CREATE INDEX idx_on_a_b_c ON tbl (a, b, c DESC); - 注意:索引字段顺序、升降序必须和
ORDER BY完全一致,否则 PostgreSQL 可能弃用索引 - 如果
b是表达式(如EXTRACT(YEAR FROM ts)),需建函数索引:CREATE INDEX idx_user_year ON orders (user_id, EXTRACT(YEAR FROM created_at), created_at DESC);
替代方案:用窗口函数 ROW_NUMBER() 更灵活但稍重
当业务逻辑复杂(比如“每个用户最新订单,但排除状态为 'cancelled' 的”),DISTINCT ON 难以嵌套过滤;这时用 ROW_NUMBER() 更可控:
SELECT * FROM (
SELECT *, ROW_NUMBER() OVER (
PARTITION BY user_id ORDER BY created_at DESC
) AS rn
FROM orders WHERE status != 'cancelled'
) ranked WHERE rn = 1;- 过滤条件(如
WHERE status != 'cancelled')可放在子查询内,不影响分组逻辑 -
ROW_NUMBER()支持任意PARTITION BY和ORDER BY组合,不强制字段顺序约束 - 代价是多一层嵌套,且无法像
DISTINCT ON那样被 planner 优化成流式处理,小数据集差别不大,千万级表需实测性能
真正容易被忽略的是:即便你写了 DISTINCT ON (x),只要 ORDER BY 没对齐或缺索引,PostgreSQL 就不会用 Index Scan,而是退化成 Sort + Unique —— 这个执行计划在 EXPLAIN 里一眼就能看见,但很多人从不检查。

















