我有一个针对大量连接的大表(行和列)的查询，但是其中一个表有一些重复的数据行导致我的查询出现问题。由于这是来自其他部门的只读实时订阅源，因此我无法修复该数据，但我正在尝试通过它来防止查询中的问题。
鉴于此，我需要将此垃圾数据作为左连接添加到我的好查询中。数据集如下所示：
IDNo FirstName LastName ... ------------------------------------------- uqx bob smith abc john willis ABC john willis aBc john willis WTF jeff bridges sss bill doe ere sally abby wtf jeff bridges ...
(约24列，100K行)
我的第一直觉是执行一个独特的给了我大约80K行：
SELECT DISTINCT P.IDNo FROM people P
但是，当我尝试以下操作时，我会收到所有行：
SELECT DISTINCT P.* FROM people P
要么
SELECT
DISTINCT(P.IDNo) AS IDNoUnq,P.FirstName,P.LastName
...etc.
FROM people P
然后我想我会在所有列上执行FIRST()聚合函数，但是这也感觉不对。从语法上讲，我在这里做错了吗？
更新：
只是想注意：这些记录是基于上面列出的非密钥/非索引的ID字段的重复记录。 ID是文本字段，虽然具有相同的值，但它与导致该问题的其他数据的情况不同。
解决方法
distinct不是一个功能。它始终在选择列表的所有列上运行。
您的问题是典型的“每组最大N”问题，可以使用窗口函数轻松解决：
select ... from ( select IDNo,FirstName,LastName,....,row_number() over (partition by lower(idno) order by firstname) as rn from people ) t where rn = 1;
使用order by子句，您可以选择要选择的重复项。
以上可用于左连接：
select ...
from x
left join (
select IDNo,row_number() over (partition by lower(idno) order by firstname) as rn
from people
) p on p.idno = x=idno and p.rn = 1
where ...
