0182. Duplicate Emails ====================== 题目信息 -------- :题号: 0182. 查找重复的电子邮箱 :难度: Easy :主题: Database、分组、聚合过滤 :原题: `LeetCode 0182 `_ :重点: 将相同邮箱的多行压缩为一个分组状态,再用 HAVING 按组计数筛选重复值 题目重述 -------- ``Person(id, email)`` 表保存非空电子邮箱。查询所有至少出现两次的邮箱,将输出列命名为 ``Email``。 同一重复邮箱无论出现多少次都只输出一行;只出现一次的邮箱不输出。结果顺序任意。 自建示例 -------- .. code-block:: text Person: id | email 1 | team@example.com 2 | solo@example.com 3 | team@example.com 4 | news@example.com 5 | news@example.com 6 | news@example.com 输出: Email team@example.com news@example.com team@example.com 出现两次,news@example.com 出现三次,二者各输出一次。 SQL 实现 -------- .. code-block:: sql SELECT email AS Email FROM Person GROUP BY email HAVING COUNT(*) > 1; 题解 ---- 逐行寻找伙伴会重复生成答案 ~~~~~~~~~~~~~~~~~~~~~~~~~~ 从一条人员记录出发,可以自连接 ``Person``,寻找 ``id`` 不同但 ``email`` 相同的另一行。 它能证明重复存在,却会把一组大小为 ``k`` 的重复邮箱展开成许多行对;同一邮箱还需要 ``DISTINCT`` 才能恢复为一个结果。重复越多,产生的中间组合越多。 题目不关心哪些两行相等,只关心每个邮箱值对应多少行。因此更自然的原始对象不是行对, 而是“相同 ``email`` 的整组记录”。 分组同时完成去重与计数 ~~~~~~~~~~~~~~~~~~~~~~ ``GROUP BY email`` 把所有相同邮箱收进一个分组。分组之后,每个邮箱只剩一个逻辑结果 状态,``COUNT(*)`` 表示该组包含的原始行数: .. code-block:: text team@example.com -> 2 solo@example.com -> 1 news@example.com -> 3 条件 ``COUNT(*) > 1`` 精确对应“至少出现两次”。通过条件的每个分组只投影一次分组键 ``email``,所以无需再写 ``DISTINCT``;分组本身已经把重复行压缩成唯一邮箱。 为什么使用 HAVING ~~~~~~~~~~~~~~~~~~ ``WHERE`` 在分组前筛选单条原始记录,此时还没有 ``COUNT(*)``,不能判断某个邮箱最终有 多少行。``HAVING`` 在 ``GROUP BY`` 产生组并计算聚合值之后筛选,正好处理组级条件: .. code-block:: text FROM Person 读取原始行 GROUP BY email 建立每个邮箱的组 HAVING COUNT(*) > 1 保留重复组 SELECT email 输出组键 把计数条件写进 ``WHERE`` 不只是语法位置错误,也反映了把“单行属性”和“分组统计”混为 一谈。 ``COUNT(*)`` 的含义 ~~~~~~~~~~~~~~~~~~ 题目保证 ``email`` 非空,因此 ``COUNT(email)`` 与 ``COUNT(*)`` 在本题结果相同。 主解使用 ``COUNT(*)``,明确表达统计组内记录数,不让列的 ``NULL`` 规则参与推理。若邮箱 允许为空,还需先决定多个 ``NULL`` 是否应视为一个重复邮箱组;本题合同已排除该歧义。 具体走读 ~~~~~~~~ 示例分组后,``solo@example.com`` 的计数为 1,被 ``HAVING`` 删除;另外两组计数分别为 2、3,都通过条件。每组只产生一个 ``email`` 值,再通过 ``AS Email`` 满足输出列名。 查询没有 ``ORDER BY``,因为题目允许任意顺序。无索引时数据库可通过哈希或排序建立分组, 通常需要一次 ``O(n)`` 扫描并保存不同邮箱状态;邮箱索引可能帮助有序聚合。相比自连接, 分组不会生成二次规模的重复行对。