MySQL 中的 distinct 和 group by 哪个效率更高？太刁钻了吧！

这个问题其实比很多人以为的要复杂得多，特别是面试时面试官带着“刁钻”目的来问的时候。如果你直接回一句“效率差不多”可能还真就挂了。咱们今天就来掰扯清楚：MySQL 里的 DISTINCT 和 GROUP BY，到底谁更高效，什么场景下各自更合适，以及你该怎么选。

先抛个结论出来——

在有索引并语义等价的情况下，两者几乎效率一样；但在无索引时，DISTINCT 很可能更快，GROUP BY 会拖后腿，主要是那个“filesort”惹的祸。不过光说这些还不够，你得知道为什么。

我自己在项目里就遇到过类似的情况，那时候是为了清洗数据表里的重复记录，用 GROUP BY 总感觉慢得要死，一换成 DISTINCT，结果就飞了，跑得比我早上打卡还快。

DISTINCT：不动声色地去重

我们先看 DISTINCT。这玩意儿其实逻辑挺简单：你查出来的所有列，只要整行完全一样，就认为是重复的，只保留一条。常规用法是这样：

SELECT DISTINCT age FROM student;

注意，它对你 SELECT 出来的所有字段生效，不是某个字段，而是组合后的整个“行”维度。

比如你写了：

SELECT DISTINCT sex, age FROM student;

它会认为 (male, 10) 和 (female, 10) 是不一样的，只有相同的性别 + 年龄才算重复。

性能层面来说，DISTINCT 做的是“去重”，但如果你给它一个合适的索引，比如 sex, age 的联合索引，它其实不用全表扫描，而是可以直接走索引。MySQL 执行计划里你会看到一个“Using index for group-by”的提示，虽然字面写的是 group-by，但确实也能用于 DISTINCT，这有点迷惑初学者。

GROUP BY：看似一样，实则有坑

再看 GROUP BY。你可能觉得和 DISTINCT 类似，确实在某些简单场景下是一样的，但它本质上是“分组”，然后你可以对每组做聚合。

比如：

SELECT age FROM student GROUP BY age;

这时候看起来和 DISTINCT age 差不多，都是返回不同的年龄值。

但你换成这样：

SELECT sex, age FROM student GROUP BY sex;

MySQL 会返回每个性别的第一条记录的 age，不同的引擎实现可能会选不同的 age，你不能指望它总是按你想的来。所以这个用法在逻辑上和 DISTINCT 就不等价了，结果可能不同。

而更要命的是——在 MySQL 8.0 以前，GROUP BY 是默认会排序的。也就是说哪怕你没写 ORDER BY，它也偷偷给你搞个排序。如果你选的字段没索引覆盖，MySQL 可能就得生成临时表 + filesort，这个组合就是性能黑洞：

Using temporary; Using filesort

看见这两个词，基本可以判断执行效率不会太好，特别是数据量上来了以后，能慢到你怀疑人生。

MySQL 8.0 的“优化”背锅

MySQL 8.0 改了这个默认行为，不再默认隐式排序。这本来是件好事，但也带来一个副作用：一些之前依赖这个排序特性的代码，升级后结果顺序可能变了。所以如果你用了 GROUP BY 想靠它排序，最好老老实实加上 ORDER BY。

顺便说句，老版本 MySQL 想避免隐式排序，可以在 GROUP BY 后加 ORDER BY NULL，这是老派 DBA 常用的骚操作。到了 MySQL 8.0，这步就不需要了。

有索引 vs 无索引：才是关键分水岭

你可能发现了，我们上面讲的这些，性能好坏其实并不是 DISTINCT 和 GROUP BY 本身的锅，而是跟有没有用到索引强相关。

如果你用的是 DISTINCT age，而 age 刚好有个索引，那这个 SQL 可能直接走索引，连表都不用扫，效率当然高。

但如果你用了 GROUP BY age，age 没索引，MySQL 就得扫全表、创建临时表、排序，然后再分组，整个流程就重了很多。

也就是说，在“无索引”的前提下：

• DISTINCT 去重操作，偏“纯”，只需要判断相同行是否重复
• GROUP BY 是先分组再聚合，如果没有聚合函数，还会默认排序，开销更大

在有索引时，两者都会用上 index，最终执行计划基本相同，所以几乎没有差异。

我个人怎么选？

老实说，我更倾向用 GROUP BY。不是因为它快，而是它更灵活。你别看它一开始像是去重，其实真正的杀手锏是——你可以挂聚合函数上去。

比如：

SELECT age, COUNT(*) FROM student GROUP BY age;

一下就能知道每个年龄段有多少人，这是 DISTINCT 做不到的。

而且 GROUP BY + HAVING 可以让你对分组之后的结果再过滤，比如：

SELECT age, COUNT(*) as c FROM student GROUP BY age HAVING c > 1;

这比你用 DISTINCT 然后自己去计数、再筛选，简单太多了。

当然，如果你只是为了去重，又没啥其他操作，那 DISTINCT 就挺合适，代码也更直观些，尤其是你不打算扩展逻辑的场景。

写代码别光看“表面效率”

面试官要你比较效率，其实不是让你死记硬背谁更快，而是想看你是否知道“为什么更快”。也就是说，你得看得出：

• 哪种写法在什么版本的 MySQL 上可能走 filesort
• 你写的字段有没有索引
• 查询是不是还能加聚合、筛选

我自己在处理大数据量的时候，踩过无数次 “GROUP BY filesort” 的坑，后来一看到 Using temporary; Using filesort 就条件反射去加索引或者改写逻辑了。

另外顺便提一句，DISTINCT 也不是没坑，它的“全字段作用”有时候会意外拉高去重复杂度。比如：

SELECT DISTINCT name, create_time FROM user;

如果 create_time 是毫秒级时间戳，几乎每条记录都不同，根本去不掉重复，结果集和原始数据几乎一样，效率反而更低。用 GROUP BY name + 聚合反倒更合适。

所以啊，这个问题的答案不是 “谁更快”，而是“你知道他们本质上是啥、执行计划差在哪、什么时候该用谁”。

别一上来就丢个“DISTINCT 更快”，面试官可能马上反问你“那聚合怎么算？”

你要做的是，先判断语义是不是完全一样，然后看数据量、索引、版本，再决定用哪个。顺便加上一句“我个人更喜欢用 GROUP BY，因为它更灵活”，就妥了。