海量數(shù)據(jù)（百萬以上），其中有些全部字段都相同，有些部分字段相同，怎樣高效去除重復(fù)？
如果要刪除手機(mobilePhone)，電話(officePhone)，郵件(email)同時都相同的數(shù)據(jù)，以前一直使用這條語句進行去重：
|
1
2
3
4
5
6
7
8
9
10
11
|
delete from 表 where id not in(select max(id) from 表 group by mobilePhone,officePhone,email ) ordelete from 表 where id not in (select min(id) from 表 group by mobilePhone,officePhone,email ) delete from 表 where id not in(select max(id) from 表 group by mobilePhone,officePhone,email ) ordelete from 表 where id not in (select min(id) from 表 group by mobilePhone,officePhone,email ) |
其中下面這條會稍快些。上面這條數(shù)據(jù)對于100萬以內(nèi)的數(shù)據(jù)效率還可以，重復(fù)數(shù)1/5的情況下幾分鐘到幾十分鐘不等，但是如果數(shù)據(jù)量達到300萬以上，效率驟降，如果重復(fù)數(shù)據(jù)再多點的話，常常會幾十小時跑不完，有時候會鎖表跑一夜都跑不完。無奈只得重新尋找新的可行方法，今天終于有所收獲：
|
1
2
3
4
5
6
7
8
9
|
//查詢出唯一數(shù)據(jù)的ID,并把他們導(dǎo)入臨時表tmp中 select min(id) as mid into tmp from 表 group by mobilePhone,officePhone,email //查詢出去重后的數(shù)據(jù)并插入finally表中 insert into finally select (除ID以外的字段) from customers_1 where id in (select mid from tmp) //查詢出唯一數(shù)據(jù)的ID,并把他們導(dǎo)入臨時表tmp中 select min(id) as mid into tmp from 表 group by mobilePhone,officePhone,email //查詢出去重后的數(shù)據(jù)并插入finally表中 insert into finally select (除ID以外的字段) from customers_1 where id in (select mid from tmp) |
效率對比：用delete方法對500萬數(shù)據(jù)去重（1/2重復(fù)）約4小時。4小時，很長的時間。
用臨時表插入對500萬數(shù)據(jù)去重（1/2重復(fù)）不到10分鐘。
其實用刪除方式是比較慢的，可能是邊找邊刪除的原因吧，而使用臨時表，可以將沒有重復(fù)的數(shù)據(jù)ID選出來放在臨時表里，再將表的信息按臨時表的選擇出來的ID，將它們找出來插入到新的表，然后將原表刪除，這樣就可以快速去重啦。
SQL語句去掉重復(fù)記錄，獲取重復(fù)記錄
按照某幾個字段名稱查找表中存在這幾個字段的重復(fù)數(shù)據(jù)并按照插入的時間先后進行刪除，條件取決于order by 和row_num。
方法一按照多條件重復(fù)處理：
|
1
2
3
4
5
6
7
8
9
10
|
delete tmp from( select row_num = row_number() over(partition by 字段，字段 order by 時間 desc) from 表 where 時間> getdate()-1 ) tmp where row_num > 1 delete tmp from( select row_num = row_number() over(partition by 字段，字段 order by 時間 desc) from 表 where 時間> getdate()-1 ) tmp where row_num > 1 |
方法二按照單一條件進行去重：
|
1
2
3
4
5
6
|
delete from 表 where 主鍵ID not in( select max(主鍵ID) from 表 group by 需要去重的字段 having count(需要去重的字段)>=1 ) delete from 表 where 主鍵ID not in( select max(主鍵ID) from 表 group by 需要去重的字段 having count(需要去重的字段)>=1 ) |
注意：為提高效率如上兩個方法都可以使用臨時表， not in 中的表可以先提取臨時表#tmp，
然后采用not exists來執(zhí)行，為避免數(shù)量過大，可批量用Top控制刪除量
|
1
2
3
|
delete top(2) from 表 where not exists (select 主鍵ID from #tmp where #tmp.主鍵ID=表.主鍵ID) |
總結(jié)
以上所述是小編給大家介紹的使用SQL語句去掉重復(fù)的記錄，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復(fù)大家的。在此也非常感謝大家對服務(wù)器之家網(wǎng)站的支持！
原文鏈接：https://blog.csdn.net/deng214/article/details/80430109
