大批量數(shù)據(jù)插入MySQL ，如何過(guò)濾掉重復(fù)數(shù)據(jù)？
加班原因是上線，解決線上數(shù)據(jù)庫(kù)存在重復(fù)數(shù)據(jù)的問(wèn)題，發(fā)現(xiàn)了程序的bug，很好解決，有點(diǎn)問(wèn)題的是，修正線上的重復(fù)數(shù)據(jù)。
線上庫(kù)有6個(gè)表存在重復(fù)數(shù)據(jù)，其中2個(gè)表比較大，一個(gè)96萬(wàn)+、一個(gè)30萬(wàn)+，因?yàn)橹疤幚磉^(guò)相同的問(wèn)題，就直接拿來(lái)了上次的Python去重腳本，腳本很簡(jiǎn)單，就是連接數(shù)據(jù)庫(kù)，查出來(lái)重復(fù)數(shù)據(jù)，循環(huán)刪除。
emmmm，但是這個(gè)效率嘛，實(shí)在是太低了，1秒一條，重復(fù)數(shù)據(jù)大約2萬(wàn)+，預(yù)估時(shí)間大約在8個(gè)小時(shí)左右。。。
盲目依靠前人的東西，而不去自己思考是有問(wèn)題的！總?cè)ハ胫霸趺纯梢裕F(xiàn)在怎么不行了，這也是有問(wèn)題的！我發(fā)現(xiàn)，最近確實(shí)狀態(tài)不太對(duì)，失去了探索和求知的欲望，今天算是一個(gè)警醒，頗有迷途知返的感覺(jué)。
言歸正傳，下面詳細(xì)介紹去重步驟。
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(biāo)：我們要去掉name相同的數(shù)據(jù)。
先看看哪些數(shù)據(jù)重復(fù)了
SELECT name,count( 1 )
FROM
student
GROUP BY
NAME
HAVING
count( 1 ) > 1;
輸出：
name count(1) cat 2 dog 2
name為cat和dog的數(shù)據(jù)重復(fù)了，每個(gè)重復(fù)的數(shù)據(jù)有兩條；
Select * From 表 Where 重復(fù)字段 In (Select 重復(fù)字段 From 表 Group By 重復(fù)字段 Having Count(1)>1)
刪除全部重復(fù)數(shù)據(jù)，一條不留
直接刪除會(huì)報(bào)錯(cuò)
DELETE
FROM
student
WHERE
NAME IN (
SELECT NAME
FROM
student
GROUP BY
NAME
HAVING
count( 1 ) > 1)
報(bào)錯(cuò)：
1093 - You can't specify target table 'student' for update in FROM clause, Time: 0.016000s
原因是：更新這個(gè)表的同時(shí)又查詢了這個(gè)表，查詢這個(gè)表的同時(shí)又去更新了這個(gè)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(shù)據(jù)查詢出來(lái)做為一個(gè)第三方表，然后篩選更新。
DELETE
FROM
student
WHERE
NAME IN (
SELECT
t.NAME
FROM
( SELECT NAME FROM student GROUP BY NAME HAVING count( 1 ) > 1 ) t)
刪除表中刪除重復(fù)數(shù)據(jù)，僅保留一條
在刪除之前，我們可以先查一下，我們要?jiǎng)h除的重復(fù)數(shù)據(jù)是啥樣的
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(guò)name分組，查出id最小的數(shù)據(jù)，這些數(shù)據(jù)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?jiǎng)h除的重復(fù)數(shù)據(jù)。
開(kāi)始刪除重復(fù)數(shù)據(jù)，僅留一條
很簡(jiǎn)單，剛才的select換成delete即可
DELETE
FROM
student
WHERE
id NOT IN (
SELECT
t.id
FROM
( SELECT MIN( id ) AS id FROM student GROUP BY `name` ) t
)
90萬(wàn)+的表執(zhí)行起來(lái)超級(jí)快