自连接如何处理重复行

在 SQL 中，自连接（Self Join） 是指一张表与自身进行连接，常用于处理层级结构（如员工与经理）、前后记录对比等场景。自连接时重复行的处理主要取决于连接方式（INNER / LEFT）、连接条件以及数据本身的重复情况。

下面系统说明自连接如何处理重复行。

一、重复行是如何产生的

假设有表 emp：

自连接示例：

SELECT e1.name AS emp, e2.name AS mgr
FROM emp e1
JOIN emp e2
  ON e1.manager_id = e2.id;

如果 manager_id 或 id 存在重复值，就可能产生重复行。

二、不同情况下的重复行处理

1️⃣ 连接键存在重复 → 产生笛卡尔式重复

如果 emp.id 有重复（不应发生，但数据脏时可能）：

e1.manager_id = e2.id

• 一个 e1 行会匹配多个 e2 行
• 结果行数 = 匹配次数之和

✅ 解决方式：

• 确保连接键唯一（如主键）
• 或使用 DISTINCT

SELECT DISTINCT e1.name, e2.name
FROM emp e1
JOIN emp e2 ON e1.manager_id = e2.id;

2️⃣ 自连接 + 非等值条件（如前后行）

示例：比较相邻工资

SELECT a.id, b.id
FROM salary a
JOIN salary b
  ON a.id = b.id - 1;

如果 id 不连续或有重复：

• 可能漏行
• 可能重复

✅ 建议：

• 使用窗口函数替代（更优）

LAG(salary) OVER (ORDER BY id)

3️⃣ LEFT JOIN 产生的 NULL 重复

SELECT e1.name, e2.name
FROM emp e1
LEFT JOIN emp e2
  ON e1.manager_id = e2.id;

• 无经理的员工 → e2 为 NULL
• 不会“重复”，但可能多行

✅ 若只想看有经理的：

INNER JOIN

4️⃣ 自连接自身重复数据

如果表中有完全重复行（无主键）：

SELECT a.*, b.*
FROM t a
JOIN t b ON a.col = b.col;

会产生 N × N 行。

✅ 解决：

• 先去重

WITH t_uniq AS (
  SELECT DISTINCT * FROM t
)
SELECT ...

三、避免重复的最佳实践

✅ 1. 使用主键或唯一键连接

ON a.id = b.parent_id

✅ 2. 必要时使用 DISTINCT

SELECT DISTINCT ...

✅ 3. 使用窗口函数替代自连接

ROW_NUMBER() OVER (PARTITION BY ...)
LAG() / LEAD()

✅ 4. 明确连接类型

• INNER：只保留匹配
• LEFT：保留左表所有行

四、总结一句话

自连接本身不会“自动去重”，重复行由连接键是否唯一、数据是否重复、连接条件决定；应通过唯一键、DISTINCT 或窗口函数来控制。

如果你有具体 SQL 或业务场景（如树形结构、前后对比），我可以帮你改写并优化。