Comment (ou puis-je) sélectionner SELECT DISTINCT sur plusieurs colonnes?

J'ai besoin de récupérer toutes les lignes d'une table où 2 colonnes combinées sont toutes différentes. Je veux donc toutes les ventes qui n'ont pas d'autres ventes qui ont eu lieu le même jour pour le même prix. Les ventes qui sont uniques en fonction du jour et du prix seront mises à jour à un statut actif.

Je pense donc:

UPDATE sales
SET status = 'ACTIVE'
WHERE id IN (SELECT DISTINCT (saleprice, saledate), id, count(id)
             FROM sales
             HAVING count = 1)

Mais mon cerveau me fait mal d'aller plus loin que ça.

SELECT DISTINCT a,b,c FROM t

est à peu près équivalent à:

SELECT a,b,c FROM t GROUP BY a,b,c

C'est une bonne idée de s'habituer à la syntaxe GROUP BY, car elle est plus puissante.

Pour votre requête, je le ferais comme ceci:

UPDATE sales
SET status='ACTIVE'
WHERE id IN
(
    SELECT id
    FROM sales S
    INNER JOIN
    (
        SELECT saleprice, saledate
        FROM sales
        GROUP BY saleprice, saledate
        HAVING COUNT(*) = 1 
    ) T
    ON S.saleprice=T.saleprice AND s.saledate=T.saledate
 )

Si vous réunissez les réponses jusqu'à présent, nettoyez et améliorez, vous arriverez à cette requête supérieure:

UPDATE sales
SET    status = 'ACTIVE'
WHERE  (saleprice, saledate) IN (
    SELECT saleprice, saledate
    FROM   sales
    GROUP  BY saleprice, saledate
    HAVING count(*) = 1 
    );

Ce qui est beaucoup plus rapide que l'un ou l'autre. Détruit les performances de la réponse actuellement acceptée par le facteur 10 - 15 (dans mes tests sur PostgreSQL 8.4 et 9.1).

Mais c'est encore loin d'être optimal. Utilisez une NOT EXISTS(anti) semi-jointure pour des performances encore meilleures. EXISTSest du SQL standard, existe depuis toujours (au moins depuis PostgreSQL 7.2, bien avant que cette question ne soit posée) et correspond parfaitement aux exigences présentées:

UPDATE sales s
SET    status = 'ACTIVE'
WHERE  NOT EXISTS (
   SELECT FROM sales s1                     -- SELECT list can be empty for EXISTS
   WHERE  s.saleprice = s1.saleprice
   AND    s.saledate  = s1.saledate
   AND    s.id <> s1.id                     -- except for row itself
   )
AND    s.status IS DISTINCT FROM 'ACTIVE';  -- avoid empty updates. see below

db <> violon ici
Old SQL Fiddle

Clé unique pour identifier la ligne

Si vous n'avez pas de clé primaire ou unique pour la table ( iddans l'exemple), vous pouvez remplacer par la colonne système ctidaux fins de cette requête (mais pas à d'autres fins):

   AND    s1.ctid <> s.ctid

_{Chaque table doit avoir une clé primaire. Ajoutez-en un si vous n'en avez pas encore. Je suggère une serialou une IDENTITYcolonne dans Postgres 10+.}

En relation:

• Génération de séquence dans l'ordre
• Colonne de table d'incrémentation automatique

Comment est-ce plus rapide?

La sous-requête dans l' EXISTSanti-semi-jointure peut cesser d'être évaluée dès que la première dupe est trouvée (inutile de chercher plus loin). Pour une table de base avec peu de doublons, cela n'est que légèrement plus efficace. Avec beaucoup de doublons, cela devient beaucoup plus efficace.

Exclure les mises à jour vides

Pour les lignes qui ont déjà status = 'ACTIVE'cette mise à jour, cela ne changera rien, mais insérez toujours une nouvelle version de ligne à plein coût (des exceptions mineures s'appliquent). Normalement, vous ne le souhaitez pas. Ajoutez une autre WHEREcondition comme illustré ci-dessus pour éviter cela et le rendre encore plus rapide:

Si statusest défini NOT NULL, vous pouvez simplifier pour:

AND status <> 'ACTIVE';

Le type de données de la colonne doit prendre en charge l' <>opérateur. Certains types aiment jsonpas. Voir:

• Comment interroger une colonne json pour des objets vides?

Différence subtile dans la gestion NULL

Cette requête (contrairement à la réponse actuellement acceptée par Joel ) ne traite pas les valeurs NULL comme égales. Les deux lignes suivantes pour (saleprice, saledate)seraient qualifiées de "distinctes" (bien qu'elles semblent identiques à l'œil humain):

(123, NULL)
(123, NULL)

Passe également dans un index unique et presque partout ailleurs, car les valeurs NULL ne sont pas comparables égales selon la norme SQL. Voir:

• Créer une contrainte unique avec des colonnes nulles

OTOH, GROUP BY, DISTINCTou DISTINCT ON ()traiter les valeurs NULL comme égales. Utilisez un style de requête approprié en fonction de ce que vous souhaitez réaliser. Vous pouvez toujours utiliser cette requête plus rapide avec IS NOT DISTINCT FROMau lieu de =pour une ou toutes les comparaisons pour que la comparaison NULL soit égale. Plus:

• Comment supprimer des lignes en double sans identifiant unique

Si toutes les colonnes comparées sont définies NOT NULL, il n'y a pas de place pour le désaccord.

Le problème avec votre requête est que lorsque vous utilisez une clause GROUP BY (ce que vous faites essentiellement en utilisant distinct), vous ne pouvez utiliser que des colonnes que vous regroupez ou agrégez des fonctions. Vous ne pouvez pas utiliser l'ID de colonne car il existe des valeurs potentiellement différentes. Dans votre cas, il n'y a toujours qu'une seule valeur en raison de la clause HAVING, mais la plupart des SGBDR ne sont pas assez intelligents pour le reconnaître.

Cela devrait cependant fonctionner (et n'a pas besoin d'une jointure):

UPDATE sales
SET status='ACTIVE'
WHERE id IN (
  SELECT MIN(id) FROM sales
  GROUP BY saleprice, saledate
  HAVING COUNT(id) = 1
)

Vous pouvez également utiliser MAX ou AVG au lieu de MIN, il est uniquement important d'utiliser une fonction qui renvoie la valeur de la colonne s'il n'y a qu'une seule ligne correspondante.

Je veux sélectionner les valeurs distinctes d'une colonne «GrondOfLucht» mais elles doivent être triées dans l'ordre indiqué dans la colonne «tri». Je ne peux pas obtenir les valeurs distinctes d'une seule colonne en utilisant

Select distinct GrondOfLucht,sortering
from CorWijzeVanAanleg
order by sortering

Il donnera également la colonne «tri» et parce que «GrondOfLucht» ET «tri» n'est pas unique, le résultat sera TOUTES les lignes.

utiliser le GROUPE pour sélectionner les enregistrements de 'GrondOfLucht' dans l'ordre donné par 'tri

SELECT        GrondOfLucht
FROM            dbo.CorWijzeVanAanleg
GROUP BY GrondOfLucht, sortering
ORDER BY MIN(sortering)

Si votre SGBD ne prend pas en charge distinct avec plusieurs colonnes comme ceci:

select distinct(col1, col2) from table

La sélection multiple en général peut être exécutée en toute sécurité comme suit:

select distinct * from (select col1, col2 from table ) as x

Comme cela peut fonctionner sur la plupart des SGBD et que cela devrait être plus rapide que le regroupement par solution, vous évitez la fonctionnalité de regroupement.