SQL怎样在分组后对字符串进行去重拼接_使用ARRAY_AGG去重
SQL怎样在分组后对字符串进行去重拼接_使用ARRAY_AGG去重
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
ARRAY_AGG(DISTINCT ...) 是最直接的去重拼接方式
说到在PostgreSQL里分组后对字符串进行去重拼接，ARRAY_AGG(DISTINCT ...)无疑是首选方案。从PostgreSQL 10版本开始，这个功能就得到了原生支持。它的优势非常明显：语法极其简洁，性能表现优秀，最关键的是，它完美契合了“分组、去重、聚合成数组”这一系列连贯需求，无需再借助子查询或数组展开这些“曲线救国”的手段。
不过，直接使用DISTINCT时，有几个细节值得特别注意。一个常见的疏忽是排序问题。比如，你可能会这样写：ARRAY_AGG(DISTINCT tag ORDER BY tag)。看起来没问题，对吧？但如果tag字段里包含了NULL值，默认的排序规则会把NULL排在最前面，这很可能打乱你的业务预期。正确的做法是显式指定NULLS LAST：
ARRAY_AGG(DISTINCT tag ORDER BY tag NULLS LAST)- 另外，如果字段是文本类型且可能包含首尾空格，建议先用
trim(tag)处理再去重，否则像'VIP'和'VIP '这样的值会被视为两个不同的条目。 - 最后，请务必记住：如果不加
ORDER BY子句，聚合结果的顺序是不确定的。即使源数据看起来有序，数据库也不保证ARRAY_AGG的输出顺序。
为什么不用 STRING_AGG(DISTINCT ...) 直接拼接？
你可能会问，STRING_AGG不也支持DISTINCT吗？比如STRING_AGG(DISTINCT tag, ',')，直接输出一个用逗号连接的字符串，岂不是更省事？
这里的关键在于后续处理能力。STRING_AGG的输出是“死”的字符串，一旦生成，就很难再被结构化地处理。而ARRAY_AGG(DISTINCT ...)返回的是鲜活的数组类型，这为后续计算打开了无限可能。你可以立刻调用array_to_string将其转为字符串，用array_length统计元素个数，或者通过下标（如(arr)[1]）直接取出特定位置的元素。
来看几个典型场景：
- 需要同时获得去重后的标签字符串和标签数量：
array_to_string(ARRAY_AGG(DISTINCT tag), ',')和array_length(ARRAY_AGG(DISTINCT tag), 1) - 想取优先级最高的那个标签作为主标签：
(ARRAY_AGG(DISTINCT tag ORDER BY priority DESC))[1] - 后续计划在应用层（比如用Python的
json.loads）反序列化数据——数组格式比单纯的逗号分隔字符串要结构化得多，处理起来也更方便。
遇到 GROUP BY 字段多、去重逻辑复杂怎么办？
现实情况往往更复杂。当去重规则需要基于多个字段的组合（例如，必须(user_id, tag, source)三者完全相同才算重复），或者需要按照业务优先级进行过滤（比如优先保留source = 'system'的标签，其次才考虑'manual'的）时，简单的DISTINCT关键字就力不从心了。
这时候，正确的思路是把去重逻辑“上推”到输入层。也就是说，先通过CTE（公共表表达式）或子查询，把数据预处理干净。常用的方法包括：
- 使用
SELECT DISTINCT ON (user_id, tag) *，按照业务规则为每组重复项只保留一行。 - 或者，利用窗口函数
ROW_NUMBER() OVER (PARTITION BY user_id, tag ORDER BY CASE source WHEN 'system' THEN 1 ELSE 2 END)来标记每一行的优先级。
完成这步预处理之后，再对外层的结果集调用ARRAY_AGG(tag)。此时输入数据已经是去重后的状态，聚合函数里自然也就不需要再加DISTINCT了。试图在ARRAY_AGG内部嵌套UNNEST、DISTINCT和ARRAY构造来强行实现复杂去重，是一条弯路，不仅性能差，可读性也低，除非是为了兼容极老的数据库版本，否则不建议采用。
Greenplum 或旧版 PostgreSQL 不支持 DISTINCT 怎么办？
好在，大部分现代版本的Greenplum（6.x及以上）已经支持ARRAY_AGG(DISTINCT ...)了。但如果确实遇到了不支持的环境（比如Greenplum 5.x或非常老的PostgreSQL），也有一条可靠的备用路径：通过子查询先行去重。
具体写法如下：SELECT user_id, ARRAY_AGG(tag) AS tags FROM (SELECT DISTINCT user_id, tag FROM user_tags) t GROUP BY user_id;
采用这种方法时，有两点需要牢记：
- 子查询的
SELECT列表中必须包含外层GROUP BY的所有字段（本例中是user_id），否则外层分组时会报错。 - 如果还需要对结果排序，可以在子查询里加入
ORDER BY user_id, tag。但要注意，PostgreSQL并不保证子查询中的排序能传递到外层的聚合函数中。最稳妥的做法，是在外层的ARRAY_AGG中再次明确指定ORDER BY tag。
这种写法的优点是兼容性极佳，几乎能在所有支持数组聚合的数据库上运行。但缺点也很明显：执行计划中多了一层嵌套循环，当数据量很大时，其I/O和内存开销会显著高于原生支持DISTINCT的聚合方式。
相关攻略
以太网交换机端口VLAN设置：从规划到验证的实战指南 给交换机端口划分VLAN，听起来是基础操作，但配置的精准度直接决定了整个二层网络的“健康”状况。其核心逻辑并不复杂：通过静态方式，将物理端口精准地划归到指定的VLAN ID下，并根据端口所连接设备的不同角色，灵活选用Access、Trunk或Hy
半球电热水壶安装的核心在于确保底座稳固、电气连接可靠、温控机构精准复位 新壶到手，先别急着烧水。安装这事儿，看似简单，实则每一步都关乎安全和后续的使用体验。核心就围绕三点：底座得稳如磐石，电源连接要万无一失，最关键的是那个负责自动断电的温控机构，必须装得精准到位。下面咱们就按顺序，把每一步拆解清楚。
要达到最佳效果，按摩椅必须遵循“科学频次、精准力度、身心协同”的使用原则 想让按摩椅真正成为你的健康伙伴，而不是一件摆设？关键在于掌握一套科学的“使用说明书”。每天早晚各一次、每次20分钟，这个时长可不是凭空而来，而是经过了临床康复研究和主流品牌海量用户实测验证的黄金标准。至于力度调节，必须严格遵从
家用投影仪不仅适合小户型，而且正成为现代紧凑型居住空间的理想影音解决方案 谁说小空间就与影院级享受无缘？如今，像当贝D6X Pro这样的新一代机型，正凭借其2 1kg的轻巧机身、1 2:1的友好投射比，以及能灵活旋转225度的AI云台，彻底改写了游戏规则。你只需大约3米的距离，就能轻松投出81英寸的
是的，半球电热水壶在首次使用前必须清洗 这几乎是所有正规家电产品启用前的“规定动作”。你可能会想，新买的水壶看起来光洁如新，为什么还要多此一举？原因在于，即便是采用食品级304不锈钢内胆和智能蒸汽感应控温技术的合规产品，在经历生产、仓储和运输的漫长旅程后，内胆表面仍可能附着微量的金属加工碎屑、防锈保
热门专题
热门推荐
2026年4月2日，一场始于订单的“双向奔赴” 汽车圈最近上演了一出颇有温度的品牌互动，起因是一张来自社交平台的购车订单。一位原奥迪车主公开晒出了小米SU7的订单截图，并向相关负责人致以问候。这原本只是一条个人动态，却没承想，引发了一连串超出预期的友好回应。 消息传出后，上汽奥迪的反应堪称迅速且巧妙
特斯拉2026年Q1财报解读：业绩稳健增长，自动驾驶与机器人战略加速落地 2026年第一季度，特斯拉再次向市场展示了其强劲的发展动能。在全球电动汽车市场，特斯拉产量成功突破40 8万辆，实现同比12 7%的稳健增长；同期交付量达到35 8万辆，同比增长6 5%。与此同时，特斯拉储能业务表现突出，总装
四月一日，沙盒游戏我的世界推出一次特别更新，引发广泛关注 话说回来，四月的第一天，经典沙盒游戏《我的世界》，就整了个“大活儿”。一项听起来颇有碘伏性的设计调整，在社区内炸开了锅：游戏直接移除了沿用已久的仓库系统，改为所有物品都能随手放在地面，想用的时候捡起来就行。 仓库功能向来是此类建造型游戏的核心
巨鲸再出手：千万美元级ETH悄然离场 市场总是静水深流。就在今天，链上数据捕捉到一笔值得玩味的动向。根据链上分析师Onchain Lens的监测，大约三小时前，一个地址尾号为“24d4”的巨鲸，从知名交易所Kraken一口气提取了4,472枚ETH。按当前市价估算，这笔资产价值接近一千万美元。 这可
京东京造再推黄金配件新品：磁吸支架以亲民价格亮相 关注京东京造的朋友一定还记得此前推出的黄金手机壳，因其独特设计与高纯度金材质引发了不少讨论。如今品牌再度升级，带来了一款更贴近日常使用的“轻量化”黄金配件——黄金气囊手机磁吸支架，进一步降低了黄金数码配件的入手门槛。 产品解析：含金量与设计亮点 这款