十九、MySQL中DISTINCT与GROUP BY计数原理分析

参考链接：

MySQL中DISTINCT与GROUP BY计数原理分析

通常，我们要统计一个字段有几种值有两种方法：在语句中使用DISTINCT或者GROUP BY，配合count进行查询。
例如：

SELECT count(DISTINCT col) FROM table;
SELECT count(1) FROM (SELECT 1 FROM table GROUP BY col) alias;

那么这两者的效率究竟如何呢？网上的答案可谓前篇一律，大多说GROUP BY更胜一筹！对此，DISTINCT表示不服，那我是不是白活了！

今天我们就来了解一下这两者的实现原理，最后才能知道它们究竟有啥区别。
DISTINCT：这种方式会将全部内容存储在一个hash结构里，最后通过计算hash结构中key的个数即可得到结果，典型的以空间换取时间的方式。
GROUP BY：这种方式是先将字段排序（一般使用sort），然后进行计数，典型的以时间换取空间。

了解原理之后，我们可以得出，

数据越是离散，DISTINCT需要消耗的空间越大，效率也就越低，此时GROUP BY的空间优势就显现了；相反，数据越是集中，DISTINCT空间占用变小，时间优势就显现出来了。

但是，空口无凭，我们需要动手证明。
第一步，创建一张测试表：

CREATE TABLE `comments` (
    `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
    `uid` int(10) unsigned NOT NULL COMMENT '用户uid',
    `aid` int(8) NOT NULL COMMENT '文章aid',  
    `content` text CHARACTER SET utf8mb4 NOT NULL COMMENT '发表内容',
    `picture` varchar(255) NOT NULL DEFAULT '' COMMENT '图片', 
    `status` tinyint(1) NOT NULL DEFAULT '0' COMMENT '显示状态 0:不显示 1:显示',
    `qid` int(10) NOT NULL DEFAULT '0' COMMENT '引用id',  
    `praise_num` int(10) NOT NULL DEFAULT '0' COMMENT '被赞数',
    `floor_num` int(10) unsigned NOT NULL DEFAULT '0' COMMENT '楼层',
    `ip` int(10) NOT NULL COMMENT 'ip地址',
    `update_time` int(10) unsigned NOT NULL COMMENT '发表时间',
    `create_time` int(10) unsigned NOT NULL COMMENT '发表时间',
    PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

第二步，写入500万条记录
一些测试的关键字段总数如下：

第三步，对上面的四个字段分别进行测试：
status字段

A: SELECT count(DISTINCT status) FROM comments;
B: SELECT count(1) FROM (SELECT 1 FROM comments GROUP BY status) alias;

分别执行100次，A语句的平均耗时为0.882秒，B语句的平均耗时为1.257秒

praise_num字段

A: SELECT count(DISTINCT praise_num) FROM comments;
B: SELECT count(1) FROM (SELECT 1 FROM comments GROUP BY praise_num) alias;

分别执行100次，A语句的平均耗时为1.589秒，B语句的平均耗时为1.848秒

floor_num字段

A: SELECT count(DISTINCT floor_num) FROM comments;
B: SELECT count(1) FROM (SELECT 1 FROM comments GROUP BY floor_num) alias;

分别执行100次，A语句的平均耗时为1.840秒，B语句的平均耗时为1.811秒

uid字段

A: SELECT count(DISTINCT uid) FROM comments;
B: SELECT count(1) FROM (SELECT 1 FROM comments GROUP BY uid) alias;

分别执行100次，A语句的平均耗时为3.003秒，B语句的平均耗时为1.927秒

以上测试表明，我们得出的结论是正确的，实际应用中要使用哪个，还得根据实际情况来决定。