前言:
加班原因是上線，解決線上數據庫存在重復數據的問題，發現了程序的bug，很好解決，有點問題的是，修正線上的重復數據。
線上庫有6個表存在重復數據，其中2個表比較大，一個96萬+、一個30萬+，因為之前處理過相同的問題，就直接拿來了上次的Python去重腳本，腳本很簡單，就是連接數據庫，查出來重復數據，循環刪除。
emmmm，但是這個效率嘛，實在是太低了，1秒一條，重復數據大約2萬+，預估時間大約在8個小時左右。。。
盲目依靠前人的東西，而不去自己思考是有問題的！總去想之前怎么可以，現在怎么不行了，這也是有問題的！我發現，最近確實狀態不太對，失去了探索和求知的欲望，今天算是一個警醒，頗有迷途知返的感覺。
言歸正傳，下面詳細介紹去重步驟。
一、發現問題
|
1
2
3
4
5
6
7
8
9
10
11
|
CREATE TABLE `animal` ( `id` int(11) NOT NULL AUTO_INCREMENT, `name` varchar(20) DEFAULT NULL, `age` int(11) DEFAULT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COLLATE=utf8_bin; INSERT INTO `pilipa_dds`.`student` (`id`, `name`, `age`) VALUES ('1', 'cat', '12'); INSERT INTO `pilipa_dds`.`student` (`id`, `name`, `age`) VALUES ('2', 'dog', '13'); INSERT INTO `pilipa_dds`.`student` (`id`, `name`, `age`) VALUES ('3', 'camel', '25'); INSERT INTO `pilipa_dds`.`student` (`id`, `name`, `age`) VALUES ('4', 'cat', '32'); INSERT INTO `pilipa_dds`.`student` (`id`, `name`, `age`) VALUES ('5', 'dog', '42'); |
目標：我們要去掉name相同的數據。
先看看哪些數據重復了
|
1
2
3
4
5
6
7
|
SELECT name,count( 1 ) FROM student GROUP BYNAME HAVING count( 1 ) > 1; |
輸出：
name count(1) cat 2 dog 2
name為cat和dog的數據重復了，每個重復的數據有兩條；
|
1
|
Select * From 表 Where 重復字段 In (Select 重復字段 From 表 Group By 重復字段 Having Count(1)>1) |
二、刪除全部重復數據，一條不留
直接刪除會報錯
|
1
2
3
4
5
6
7
8
9
10
11
12
|
DELETE FROM student WHERE NAME IN ( SELECT NAME FROM student GROUP BY NAME HAVING count( 1 ) > 1) |
報錯：
|
1
|
1093 - You can't specify target table 'student' for update in FROM clause, Time: 0.016000s |
原因是：更新這個表的同時又查詢了這個表，查詢這個表的同時又去更新了這個表，可以理解為死鎖。mysql不支持這種更新查詢同一張表的操作
解決辦法：把要更新的幾列數據查詢出來做為一個第三方表，然后篩選更新。
|
1
2
3
4
5
6
7
8
9
|
DELETE FROM student WHERE NAME IN ( SELECT t.NAME FROM ( SELECT NAME FROM student GROUP BY NAME HAVING count( 1 ) > 1 ) t) |
三、刪除表中刪除重復數據，僅保留一條
在刪除之前，我們可以先查一下，我們要刪除的重復數據是啥樣的
|
1
2
3
4
5
6
7
8
9
10
11
|
SELECT * FROM student WHERE id NOT IN ( SELECT t.id FROM ( SELECT MIN( id ) AS id FROM student GROUP BY `name` ) t ) |
啥意思呢，就是先通過name分組，查出id最小的數據，這些數據就是我們要留下的火種，那么再查詢出id不在這里面的，就是我們要刪除的重復數據。
四、開始刪除重復數據，僅留一條
很簡單，剛才的select換成delete即可
|
1
2
3
4
5
6
7
8
9
10
|
DELETE FROM student WHERE id NOT IN ( SELECT t.id FROM ( SELECT MIN( id ) AS id FROM student GROUP BY `name` ) t ) |
90萬+的表執行起來超級快。
到此這篇關于關于MySQL 大批量插入時如何過濾掉重復數據的文章就介紹到這了,更多相關MySQL過濾掉重復數據內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://database.51cto.com/art/202109/682190.htm
