DISTINCT – usuwanie duplikatów

Wynik zapytania często zawiera powtórzenia. Pytanie „jakie przedmioty są w tabeli ocen" zadane zwykłym SELECT zwróci nazwę przedmiotu tyle razy, ile jest z niego ocen – a nas interesuje sama lista, bez powtórzeń. Od tego jest słowo kluczowe DISTINCT.

DISTINCT stawia się zaraz po SELECT, przed listą kolumn. Baza wykonuje zapytanie normalnie, a na koniec usuwa z wyniku powtarzające się wiersze, zostawiając po jednym egzemplarzu każdego.

Reguła, którą trzeba zapamiętać: DISTINCT porównuje CAŁY wiersz wyniku, nie pojedynczą kolumnę. Dwa wiersze zostaną uznane za takie same tylko wtedy, gdy zgadzają się we wszystkich wypisanych kolumnach. Wystarczy, że w którejkolwiek różnią się choćby jednym znakiem, a oba zostaną w wyniku.

Stąd bierze się najczęstsze nieporozumienie. Zapytanie o same nazwiska z DISTINCT faktycznie zwróci listę unikalnych nazwisk. Ale gdy dopiszesz do listy kolumn imię, DISTINCT zacznie porównywać pary „imię plus nazwisko" – i dwie różne osoby o tym samym nazwisku obie zostaną w wyniku, bo różnią się imieniem. To poprawne działanie, tylko rzadko to, czego się spodziewano.

Odwrotna pułapka jest groźniejsza: DISTINCT nie odróżnia dwóch różnych osób o identycznych danych. Jeśli w tabeli są dwie różne uczennice nazywające się tak samo, DISTINCT skróci je do jednego wiersza – bo widzi wyłącznie wartości, nie rzeczywistość, którą opisują. Dlatego do liczenia osób służy klucz (id), a nie nazwisko.

Jeśli powtórzeń chcesz nie tyle usunąć, ile policzyć, właściwym narzędziem jest GROUP BY – grupowanie bez funkcji agregującej daje zresztą wynik bardzo podobny do DISTINCT.

• DISTINCT działa na cały wiersz, nie na jedną kolumnę. Dwa wiersze znikają tylko wtedy, gdy są identyczne we wszystkich wypisanych kolumnach.
• DISTINCT usuwa, ale nie liczy. Do policzenia różnych wartości potrzebna jest funkcja agregująca – samo DISTINCT zwraca tylko listę.
• Kolumna z unikalnymi wartościami unieważnia DISTINCT. Gdy w SELECT znajdzie się klucz główny albo inna kolumna bez powtórzeń, każdy wiersz staje się z definicji różny i nic nie zostaje usunięte.
• Dwa puste pola liczą się jako ta sama wartość. To jedyne miejsce, w którym NULL zachowuje się jak zwykła wartość, a nie jak nieznana.

DISTINCT wstawione po nazwie kolumny, nie po SELECT. Zapytanie SELECT przedmiot DISTINCT FROM oceny to błąd składni – Access nie rozpozna takiej kolejności słów i zgłosi błąd zapytania. DISTINCT zawsze stoi zaraz po SELECT, przed pierwszą kolumną: SELECT DISTINCT przedmiot FROM oceny.

Dopisanie do SELECT kolumny z kluczem głównym. SELECT DISTINCT id_oceny, przedmiot FROM oceny wygląda jak próba usunięcia duplikatów przedmiotu, ale id_oceny jest unikalny dla każdego wiersza, więc DISTINCT porównuje pary „id plus przedmiot" – zawsze różne – i baza zwróci wszystkie wiersze bez żadnej redukcji. Duplikaty znikają dopiero po usunięciu kolumny z kluczem z listy SELECT.

Traktowanie DISTINCT jak funkcji liczącej. Na polecenie „ile jest różnych przedmiotów" część uczniów pisze SELECT DISTINCT przedmiot FROM oceny i na tym kończy, oczekując liczby. DISTINCT nigdy nie zwraca liczby – zwraca listę. Do samej liczby potrzebna jest funkcja agregująca, najlepiej COUNT.

Count(DISTINCT przedmiot) w Accessie. Ten zapis działa w wielu innych bazach, ale Access zgłasza błąd składni funkcji – nie przyjmuje DISTINCT jako argumentu funkcji agregującej. Trzeba go obejść podzapytaniem: najpierw wybrać unikalne wartości, dopiero potem je policzyć (patrz sekcja Dialekt).

Pominięcie DISTINCT po złączeniu kilku tabel. Gdy zapytanie łączy tabelę uczniów z tabelą ocen, każdy uczeń pojawia się tyle razy, ile ma ocen – bez DISTINCT lista „które klasy mają ucznia z oceną powyżej 5" powtórzy tę samą klasę wielokrotnie. Dopisanie DISTINCT na początku SELECT usuwa powielone wiersze, nie zmieniając reszty zapytania.

Mylenie DISTINCT z ograniczeniem UNIQUE. Zapis w rodzaju „kolumna email ma być DISTINCT" przy projektowaniu tabeli nie ma sensu – DISTINCT działa dopiero w zapytaniu SELECT i nic nie wymusza na danych zapisanych w tabeli. Żeby zagwarantować brak duplikatów w samej tabeli, potrzebne jest ograniczenie integralności nałożone na kolumnę, a nie słowo kluczowe zapytania.

• DISTINCT usuwa z wyniku powtarzające się wiersze, porównując wszystkie wypisane kolumny naraz.
• Stoi zawsze zaraz po SELECT, przed pierwszą kolumną listy.
• Dopisanie kolumny z unikalnymi wartościami (np. klucza głównego) sprawia, że DISTINCT przestaje cokolwiek usuwać.
• DISTINCT nie liczy – do zliczenia różnych wartości potrzebna jest funkcja agregująca, najlepiej razem z GROUP BY.
• W Accessie nie da się napisać Count(DISTINCT kolumna) – trzeba to obejść podzapytaniem.
• Dwa puste pola (NULL) DISTINCT traktuje jak tę samą wartość i zostawia z nich jeden wiersz.
• W zadaniach z Informatora CKE brak DISTINCT przy poleceniu „bez powtórzeń" kosztuje realny punkt, nawet gdy reszta zapytania jest poprawna.

Zagadnienia z tego samego obszaru matury – warto je powtórzyć razem: