怎样删除数据库中的反复记录?

Posted 2020-06-13

一、题外篇

今天非常悲催啊，给用户数据做datapatch的时候，每一个月的数据多导入了一份，瞬间惊出一身冷汗... 这但是产品环境，要是被老板知道了可就死定了。赶紧去掉反复的记录，同一时候写下以下的文章以备后用。

二、准备篇

1. 先创建一张学生表student：

create table student(
       id varchar(10) not null,
       name varchar(10) not null,
       age number not null
);

2. 插入几条数据到表student：

insert into student values(‘1‘, ‘zhangs‘, 20);
insert into student values(‘1‘, ‘zhangs‘, 20);
insert into student values(‘2‘, ‘zhangs‘, 20);
insert into student values(‘3‘, ‘lisi‘, 20);
insert into student values(‘4‘, ‘lisi‘, 30);
insert into student values(‘5‘, ‘wangwu‘, 30);

三、处理篇

1. 使用rowid

① 查询:

select *
  from student s1
 where rowid != (select max(rowid)
                   from student s2
                  where s1.id = s2.id
                    and s1.name = s2.name
                    and s1.age = s2.age)

注: rowid是唯一标志记录物理位置的一个id, 括号里是查询出反复数据中rowid最大的一条.

② 删除:

delete from student s1
 where rowid != (select max(rowid)
                   from student s2
                  where s1.id = s2.id
                    and s1.name = s2.name
                    and s1.age = s2.age)

2. 使用 group by 和 having

① 查询:

select id, name, age, count(*)
  from student
 group by id, name, age
having count(*) > 1;

② 删除:

delete from student
 where rowid in (select min(rowid)
                   from student
                  group by id, name, age
                 having count(*) > 1)

3. 使用distinct

create table stud_temp as select distinct * from student; -- 创建暂时表 stud_temp
truncate table student; -- 清空student表
insert into student select * from stud_temp; -- 将暂时表数据导入student表
drop table stud_temp; -- 删除暂时表

注: distinct仅仅适用于对小表处理, 假设是千万级别数据的表, 请使用rowid, 由于它具有唯一性, 效率更高.