Kaip tvarkyti duplikatus su DISTINCT?

Question

Accepted Answer

**`DISTINCT`** pašalina pasikartojančias eilutes iš rezultato, grąždami tik unikalias reikšmes. Jis naudojamas stulpelio (arba stulpelių kombinacijos) unikaliosioms reikšmėms gauti — dažna naudoja, kai reikia rasti unikalius įrašus arba sudaryti išplečiamuosius sąrašus.

## DISTINCT — unikalios reikšmės

```sql
-- get the unique countries (no duplicates)
SELECT DISTINCT country FROM users;
-- → each country appears once, even if many users share it

-- DISTINCT on multiple columns → unique COMBINATIONS
SELECT DISTINCT country, city FROM users;
-- → each unique (country, city) pair appears once
```

`DISTINCT` taikomas visems pasirinktems stulpeliams kartu — `DISTINCT country, city` grąžina unikalias *kombinacijas*, o ne unikalias šalis ir unikalius miestus atskirai.

## DISTINCT su COUNT

```sql
-- count how many UNIQUE countries there are
SELECT COUNT(DISTINCT country) FROM users;

-- vs COUNT(*) which counts all rows (with duplicates)
SELECT COUNT(*) FROM users;
```

`COUNT(DISTINCT column)` skaičiuoja unikalias reikšmes — naudinga atsakant į klausimą "kiek skirtingų X yra?"

## Faktinių duplikatų radimas

```sql
-- find values that appear MORE THAN ONCE (duplicates)
SELECT email, COUNT(*) AS count
FROM users
GROUP BY email
HAVING COUNT(*) > 1;          -- groups with more than one row = duplicates
```

Norėdami *rasti* duplikatus (o ne tik juos pašalinti), naudokite `GROUP BY` + `HAVING COUNT(*) > 1` — tai identifikuoja, kurios reikšmės yra pasikartojančios ir kiek kartų.

## DISTINCT ir GROUP BY

```sql
-- these are often equivalent for getting unique values:
SELECT DISTINCT country FROM users;
SELECT country FROM users GROUP BY country;
-- GROUP BY is more flexible (can add aggregates); DISTINCT is simpler for pure deduplication
```

## Pastaba apie našumą

```text
DISTINCT requires the database to compare/sort rows to find uniques → can be costly
on large datasets. Often a sign you might restructure the query (e.g. a JOIN producing
duplicates that DISTINCT then removes — consider whether the JOIN is the issue).
```

## Kodėl tai svarbu

`DISTINCT` yra naudinga, dažnai reikalinga SQL funkcija **duplikatams tvarkyti** — unikalių reikšmių gavimas yra dažnas poreikis (unikalios kategorijos išplečiamajame sąraše, skirtingi įrašai, unikalių elementų skaičiavimas), todėl suprasti, kaip jis veikia, yra praktinis kasdieninis žinojimas.

Supratimas, kaip `DISTINCT` veikia (pašalinant pasikartojančias eilutes ir tai, kad su keliais stulpeliais jis grąžina unikalias *kombinacijas* — dažnas supainiojimo šaltinis) ir kaip naudoti `COUNT(DISTINCT)` unikaliosioms reikšmėms skaičiuoti, apima tipiškus naudojimo atvejus.

Taip pat vertinga žinoti, kaip **rasti faktinių duplikatų** (naudojant `GROUP BY` + `HAVING COUNT(*) > 1`) — tai dažna ir svarbi duomenų valymui bei patikrinimui skirta užduotis (duplikatinių el. pašto adresų, įrašų identifikavimas ir t. t.).

Supratimas apie santykį tarp `DISTINCT` ir `GROUP BY` (dažnai lygiaverčiai duplikatams pašalinti, o GROUP BY yra langesnis) ir **našumo pastabą** (DISTINCT reikalauja palyginimo/rūšiavimo ir gali būti brangus, ir kartais rodo JOIN sukūriantį nepageidaujamus duplikatus) taip pat yra naudingas.

Because duplikatų tvarkymas — tiek jų pašalinimas (DISTINCT), tiek jų radimas (GROUP BY/HAVING) — yra dažnas praktinis poreikis užklausose ir duomenų kokybės darbe, ir nes suprasti DISTINCT elgesį (ypač su keliais stulpeliais) ir jo alternatyvas padeda išvengti supainiojimo ir neefektyvumo, žinojimas, kaip tvarkyti duplikatus su DISTINCT, yra naudingas, dažnai taikomas žinojimas dirbant su realiais duomenimis, kuriuose dažnai yra arba reikalingos unikalios reikšmės.