MySQL 大批量插入，如何過濾掉重復(fù)數(shù)據(jù)？

在公司加班到八點，此為背景。

加班原因是上線，解決線上數(shù)據(jù)庫存在重復(fù)數(shù)據(jù)的問題，發(fā)現(xiàn)了程序的bug，很好解決，有點問題的是，修正線上的重復(fù)數(shù)據(jù)。

線上庫有6個表存在重復(fù)數(shù)據(jù)，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(shù)據(jù)庫，查出來重復(fù)數(shù)據(jù)，循環(huán)刪除。

emmmm，但是這個效率嘛，實在是太低了，1秒一條，重復(fù)數(shù)據(jù)大約2萬+，預(yù)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?cè)ハ胫霸趺纯梢裕F(xiàn)在怎么不行了，這也是有問題的！我發(fā)現(xiàn)，最近確實狀態(tài)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。

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(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

直接刪除會報錯

DELETE 
FROM
 student 
WHERE
 NAME IN (
 SELECT NAME 
 FROM
  student 
 GROUP BY
 NAME 
HAVING
 count( 1 ) > 1)

報錯：

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(shù)據(jù)查詢出來做為一個第三方表，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，我們要刪除的重復(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，就是我們要刪除的重復(fù)數(shù)據(jù)。

開始刪除重復(fù)數(shù)據(jù)，僅留一條

很簡單，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+的表執(zhí)行起來超級快。

All done ????????~