在資料庫操作中，我們常常遇到需要將資料去重計數的工作。例如：

表A，列col

A

C

A

B

C

D

A

B

結果就是一共出現4個不同的字母A、B、C、D

即結果為4

大體上我們可以選擇count(distinct col)的方法和group+count的方法。

分別為：

select count(distinct col) from A;

select count(1) from (select 1 from A group by col) alias;

兩中方法實現有什麼不同呢？

其實上述兩中方法分別是在運算和儲存上的權衡。

distinct需要將col列中的全部內容都儲存在一個記憶體中，可以理解為一個hash結構，key為col的值，最後計算hash結構中有多少個key即可得到結果。

很明顯，需要將所有不同的值都存起來。記憶體消耗可能較大。

而group by的方式是先將col排序。而資料庫中的group一般使用sort的方法，即資料庫會先對col進行排序。而排序的基本理論是，時間複雜為nlogn，空間為1.，然後只要單純的計數就可以了。優點是空間複雜度小，缺點是要進行一次排序，執行時間會較長。

兩中方法各有優劣，在使用的時候，我們需要根據實際情況進行取捨。

具體情況可參考如下法則

兩個極端：

1.資料列的所有資料都一樣，即去重計數的結果為1時，用distinct最佳

2.如果資料列唯一，沒有相同數值，用group 最好

當然，在group by時，某些資料庫產品會根據資料列的情況智慧地選擇是使用排序去重還是hash去重，例如postgresql。當然，我們可以根據實際情況對執行計劃進行人工的干預，而這不是這裡要討論的話題了。