学习笔记：LeetCode182：Duplicate Emails 以及MySQL中Group by的使用问题

　　LeetCode182：Duplicate Emails

 

　　Write a SQL query to find all duplicate emails in a table named Person.

　  +----+---------+
　　| Id | Email   |
　　+----+---------+
　　| 1  | a@b.com |
　　| 2  | c@d.com |
　　| 3  | a@b.com |
　　+----+---------+

 

　　For example, your query should return the following for the above table:

　　+---------+
　　| Email   |
　　+---------+
　　| a@b.com |
　　+---------+

 

　　一道简单的SQL题目，得到重复的Email数据。

 

　　起先的想法很天真，

　　1、借用group by去除重复的Email数据：

　　SELECT Id FROM Person GROUP BY Email;　

　　2、然后通过得到的Id过滤掉原表的数据：

　　SELECT DISTINCT Email FROM Person WHERE Id NOT IN (SELECT Id FROM Person GROUP BY Email);                

 

　　点提交，然后：Time Limit Exceeded......

 

　　事实上第一句 SELECT Id FROM Person GROUP BY Email 的语法就是错误的，只是MYSQL支持了这一种反逻辑的写法。

 

---

　　GROUP BY

　　在W3里给出的含义是：

　　GROUP BY 语句用于结合聚集函数，根据一个或多个列对结果集进行分组。

　　通常用法是：

　　SELECT Name,COUNT(Salary) FROM Employee GROUP BY Name;

---

 

　　而GROUP BY在MYSQL中的逻辑是：

　　SELECT的返回字段，如果不在GROUP BY中，也不是聚集函数，那么字段的取值是从匹配的记录中随机取的；

　　在做表关联统计的时候，可以简化GROUP BY后面的字段，只需要GROUP BY parent.Id 就可以了，而不用把 parent 的所有字段都列出来。

　　举个例子：

　　SELECT Parent.*, COUNT(Item.Id) AS Item_count FROM Parent LEFT JOIN Item ON Parent.Id = Item.Parent_Id GROUP BY Parent.Id;

 

　　这种写法确实可以让SQL书写简化，其他的标准数据库中如果要实现同样的功能就必须用嵌套来实现：内部SQL用GROUP BY来返回Id字段，然后用返回的Id字段去关联表实现其他详细字段的输出。

　　但还是不推荐MySQL的这种使用方法，虽然方便，但违反了SQL约定的逻辑：有GROUP BY的输出字段要么是聚集函数，要么是在GROUP BY中。

　

　　最后给出此题的正确解法，采用INNER JOIN，过滤条件是两条数据的Email值相等但Id不相等。

　　SELECT DISTINCT p.Email FROM Person p INNER JOIN Person q ON p.Id != q.Id AND p.Email = q.Email;

　　或者

　　SELECT DISTINCT p.Email FROM Person p,Person q WHERE p.Id != q.Id AND p.Email = q.Email;