在数据库业务场景中，DISTINCT是实现数据去重的常用关键字，但传统执行模式下，其常伴随全表扫描、排序、哈希去重等高耗时操作，尤其在数据量庞大、查询列可被筛选条件固定的场景中，性能瓶颈尤为突出，直接影响业务响应效率。金仓数据库聚焦DISTINCT语句性能痛点，研发内核层面自动优化技术，通过精准的 SQL 逻辑改写，将低效去重操作转化为高效查询，同时深度融合编译原理中的常量传递、谓词传递技术，实现查询性能的跨越式提升，为国产数据库优化器技术提供新范式。
一、DISTINCT 语句的传统性能痛点
DISTINCT语句的核心作用是剔除查询结果中的重复数据，但其传统执行逻辑存在天然缺陷。以基础查询SELECT DISTINCT a,b FROM s1;为例，传统执行流程需先对s1表进行全表扫描，获取所有数据后执行全局排序，再通过排序结果完成去重操作。
这种模式在数据量激增时，会面临双重性能损耗：一方面全表扫描会消耗大量 I/O 资源，另一方面排序与哈希去重属于高 CPU 开销操作，当查询列可通过WHERE条件、关联条件等固定为常量时，传统方案仍会执行全量扫描与去重流程，冗余操作进一步放大性能问题，成为业务系统的性能桎梏。
二、金仓数据库 DISTINCT 优化的核心技术路径
金仓数据库摒弃传统DISTINCT执行逻辑，构建两层核心优化体系，同时融入常量传递、谓词传递技术，实现精准、高效的 SQL 改写，从根源上解决性能瓶颈。
（一）路径一：DISTINCT 转 GROUP BY，借力分组优化能力
金仓数据库通过内核识别机制，在保证语义完全等价的前提下，自动将DISTINCT语句改写为GROUP BY语句，借助GROUP BY的键值裁剪、并行执行能力，降低去重开销。
优化示例
- 优化前 SQL：
SELECT DISTINCT a,b FROM s1;
- 优化后内核改写 SQL：
SELECT a,b FROM s1 GROUP BY a,b;
改写后，查询不再对a、b整体进行全量去重，而是利用主键键值消除冗余分组，同时启用并行查询能力，减少无效数据处理。实测数据显示，未优化前查询耗时 464ms，开启DISTINCT转GROUP BY优化后，耗时降至 249ms，性能提升近一倍。
（二）路径二：常量固定场景下，LIMIT 1 替代去重操作
金仓数据库深度融合编译原理中的常量传递与谓词传递技术，精准判断目标列是否被固定为常量。当查询列可通过WHERE条件、关联条件等约束为常量时，结果集最多仅存一条有效数据，无需执行完整去重或分组操作，此时内核自动用LIMIT 1替代DISTINCT或GROUP BY，实现 “找到即返回” 的高效查询。
1. 简单常量约束场景
- 优化前 SQL：
SELECT DISTINCT a,b FROM s1 WHERE a=1 AND b=1;
- 优化后内核改写 SQL：
SELECT a,b FROM s1 WHERE a=1 AND b=1 LIMIT 1;
传统方案需扫描所有满足a=1、b=1的记录后再去重，金仓数据库通过常量传递技术识别a、b均为固定常量，判定结果集唯一，直接改写为LIMIT 1查询。实测优化前耗时 30ms，优化后仅 0.03ms，性能提升近千倍。
2. 关联查询常量传递场景
常量传递技术同样适用于多表关联场景，通过谓词传递推导关联列常量属性。
- 优化前 SQL
SELECT s1.a,s2.b FROM s1 INNER JOIN s2 ON s1.a=s2.b AND s1.a=5 GROUP BY s1.a,s2.b;
- 优化后内核改写 SQL：
- SELECT s1.a,s2.b FROM s1 INNER JOIN s2 ON s1.a=s2.b AND s1.a=5 LIMIT 1
优化前需筛选、关联后再分组去重，耗时 12ms；金仓数据库通过谓词传递，由s1.a=5推导s2.b=5，判定结果集唯一，改写后无需分组去重，耗时降至 0.08ms，大幅减少无效数据扫描与计算。