MySQL 如何查找刪除重復(fù)行？

來源：blog.csdn.net/zhengzhb/article/details/8590390

• 如何查找重復(fù)行
• 如何刪除重復(fù)行
• 如何查找多列上的重復(fù)行
• 錯(cuò)誤的查詢語句
• 幾種正確的方法

如何查找重復(fù)行

第一步是定義什么樣的行才是重復(fù)行。多數(shù)情況下很簡單：它們某一列具有相同的值。本文采用這一定義，或許你對(duì)“重復(fù)”的定義比這復(fù)雜，你需要對(duì)sql做些修改。本文要用到的數(shù)據(jù)樣本：

create table test(id int not null primary key, day date not null);

insert into test(id, day) values(1, '2006-10-08');
insert into test(id, day) values(2, '2006-10-08');
insert into test(id, day) values(3, '2006-10-09');

select * from test;
+----+------------+
| id | day        |
+----+------------+
|  1 | 2006-10-08 |
|  2 | 2006-10-08 |
|  3 | 2006-10-09 |
+----+------------+

前面兩行在day字段具有相同的值，因此如何我將他們當(dāng)做重復(fù)行，這里有一查詢語句可以查找。查詢語句使用GROUP BY子句把具有相同字段值的行歸為一組，然后計(jì)算組的大小。

select day, count(*) from test GROUP BY day;
+------------+----------+
| day        | count(*) |
+------------+----------+
| 2006-10-08 |        2 |
| 2006-10-09 |        1 |
+------------+----------+

重復(fù)行的組大小大于1。如何希望只顯示重復(fù)行，必須使用HAVING子句，比如

select day, count(*) from test group by day HAVING count(*) > 1;
+------------+----------+
| day        | count(*) |
+------------+----------+
| 2006-10-08 |        2 |
+------------+----------+

這是基本的技巧：根據(jù)具有相同值的字段分組，然后知顯示大小大于1的組。

為什么不能使用WHERE子句？因?yàn)閃HERE子句過濾的是分組之前的行，HAVING子句過濾的是分組之后的行。

如何刪除重復(fù)行

一個(gè)相關(guān)的問題是如何刪除重復(fù)行。一個(gè)常見的任務(wù)是，重復(fù)行只保留一行，其他刪除，然后你可以創(chuàng)建適當(dāng)?shù)乃饕乐挂院笤儆兄貜?fù)的行寫入數(shù)據(jù)庫。

同樣，首先是弄清楚重復(fù)行的定義。你要保留的是哪一行呢？第一行，或者某個(gè)字段具有最大值的行？本文中，假設(shè)要保留的是第一行——id字段具有最小值的行，意味著你要?jiǎng)h除其他的行。

也許最簡單的方法是通過臨時(shí)表。尤其對(duì)于MYSQL，有些限制是不能在一個(gè)查詢語句中select的同時(shí)update一個(gè)表。簡單起見，這里只用到了臨時(shí)表的方法。

我們的任務(wù)是：刪除所有重復(fù)行，除了分組中id字段具有最小值的行。因此，需要找出大小大于1的分組，以及希望保留的行。你可以使用MIN()函數(shù)。這里的語句是創(chuàng)建臨時(shí)表，以及查找需要用DELETE刪除的行。

create temporary table to_delete (day date not null, min_id int not null);

insert into to_delete(day, min_id)
  select day, MIN(id) from test group by day having count(*) > 1;

select * from to_delete;
+------------+--------+
| day        | min_id |
+------------+--------+
| 2006-10-08 |      1 |
+------------+--------+

有了這些數(shù)據(jù)，你可以開始刪除“臟數(shù)據(jù)”行了。可以有幾種方法，各有優(yōu)劣（詳見我的文章many-to-one problems in SQL），但這里不做詳細(xì)比較，只是說明在支持查詢子句的關(guān)系數(shù)據(jù)庫中，使用的標(biāo)準(zhǔn)方法。

delete from test
  where exists(
     select * from to_delete
     where to_delete.day = test.day and to_delete.min_id <> test.id
  )

如何查找多列上的重復(fù)行

有人最近問到這樣的問題：我的一個(gè)表上有兩個(gè)字段b和c，分別關(guān)聯(lián)到其他兩個(gè)表的b和c字段。我想要找出在b字段或者c字段上具有重復(fù)值的行。

咋看很難明白，通過對(duì)話后我理解了：他想要對(duì)b和c分別創(chuàng)建unique索引。如上所述，查找在某一字段上具有重復(fù)值的行很簡單，只要用group分組，然后計(jì)算組的大小。并且查找全部字段重復(fù)的行也很簡單，只要把所有字段放到group子句。但如果是判斷b字段重復(fù)或者c字段重復(fù)，問題困難得多。這里提問者用到的樣本數(shù)據(jù)

create table a_b_c(
  a int not null primary key auto_increment,
  b int,
  c int
);

insert into a_b_c(b,c) values (1, 1);
insert into a_b_c(b,c) values (1, 2);
insert into a_b_c(b,c) values (1, 3);
insert into a_b_c(b,c) values (2, 1);
insert into a_b_c(b,c) values (2, 2);
insert into a_b_c(b,c) values (2, 3);
insert into a_b_c(b,c) values (3, 1);
insert into a_b_c(b,c) values (3, 2);
insert into a_b_c(b,c) values (3, 3);

現(xiàn)在，你可以輕易看到表里面有一些重復(fù)的行，但找不到兩行具有相同的二元組{b, c}。這就是為什么問題會(huì)變得困難了。

錯(cuò)誤的查詢語句

如果把兩列放在一起分組，你會(huì)得到不同的結(jié)果，具體看如何分組和計(jì)算大小。提問者恰恰是困在了這里。有時(shí)候查詢語句找到一些重復(fù)行卻漏了其他的。這是他用到了查詢

select b, c, count(*) from a_b_c
group by b, c
having count(distinct b > 1)
  or count(distinct c > 1);

結(jié)果返回所有的行，因?yàn)镃ONT(*)總是1.為什么？因?yàn)?>1 寫在COUNT()里面。這個(gè)錯(cuò)誤很容易被忽略，事實(shí)上等效于

select b, c, count(*) from a_b_c
group by b, c
having count(1)
  or count(1);

為什么？因?yàn)?b > 1)是一個(gè)布爾值，根本不是你想要的結(jié)果。你要的是

select b, c, count(*) from a_b_c
group by b, c
having count(distinct b) > 1
  or count(distinct c) > 1;

返回空結(jié)果。很顯然，因?yàn)闆]有重復(fù)的{b,c}。這人試了很多其他的OR和AND的組合，用來分組的是一個(gè)字段，計(jì)算大小的是另一個(gè)字段，像這樣

select b, count(*) from a_b_c group by b having count(distinct c) > 1;
+------+----------+
| b    | count(*) |
+------+----------+
|    1 |        3 |
|    2 |        3 |
|    3 |        3 |
+------+----------+

沒有一個(gè)能夠找出全部的重復(fù)行。而且最令人沮喪的是，對(duì)于某些情況，這種語句是有效的，如果錯(cuò)誤地以為就是這么寫法，然而對(duì)于另外的情況，很可能得到錯(cuò)誤結(jié)果。

事實(shí)上，單純用GROUP BY 是不可行的。為什么？因?yàn)楫?dāng)你對(duì)某一字段使用group by時(shí)，就會(huì)把另一字段的值分散到不同的分組里。對(duì)這些字段排序可以看到這些效果，正如分組做的那樣。首先，對(duì)b字段排序，看看它是如何分組的

當(dāng)你對(duì)b字段排序（分組），相同值的c被分到不同的組，因此不能用COUNT(DISTINCT c)來計(jì)算大小。COUNT()之類的內(nèi)部函數(shù)只作用于同一個(gè)分組，對(duì)于不同分組的行就無能為力了。類似，如果排序的是c字段，相同值的b也會(huì)分到不同的組，無論如何是不能達(dá)到我們的目的的。

幾種正確的方法

也許最簡單的方法是分別對(duì)某個(gè)字段查找重復(fù)行，然后用UNION拼在一起，像這樣：

select b as value, count(*) as cnt, 'b' as what_col
from a_b_c group by b having count(*) > 1
union
select c as value, count(*) as cnt, 'c' as what_col
from a_b_c group by c having count(*) > 1;
+-------+-----+----------+
| value | cnt | what_col |
+-------+-----+----------+
|     1 |   3 | b        |
|     2 |   3 | b        |
|     3 |   3 | b        |
|     1 |   3 | c        |
|     2 |   3 | c        |
|     3 |   3 | c        |
+-------+-----+----------+

輸出what_col字段為了提示重復(fù)的是哪個(gè)字段。另一個(gè)辦法是使用嵌套查詢：

select a, b, c from a_b_c
where b in (select b from a_b_c group by b having count(*) > 1)
   or c in (select c from a_b_c group by c having count(*) > 1);
+----+------+------+
| a  | b    | c    |
+----+------+------+
|  7 |    1 |    1 |
|  8 |    1 |    2 |
|  9 |    1 |    3 |
| 10 |    2 |    1 |
| 11 |    2 |    2 |
| 12 |    2 |    3 |
| 13 |    3 |    1 |
| 14 |    3 |    2 |
| 15 |    3 |    3 |
+----+------+------+

這種方法的效率要比使用UNION低許多，并且顯示每一重復(fù)的行，而不是重復(fù)的字段值。還有一種方法，將自己跟group的嵌套查詢結(jié)果聯(lián)表查詢。寫法比較復(fù)雜，但對(duì)于復(fù)雜的數(shù)據(jù)或者對(duì)效率有較高要求的情況，是很有必要的。

select a, a_b_c.b, a_b_c.c
from a_b_c
  left outer join (
     select b from a_b_c group by b having count(*) > 1
  ) as b on a_b_c.b = b.b
  left outer join (
     select c from a_b_c group by c having count(*) > 1
  ) as c on a_b_c.c = c.c
where b.b is not null or c.c is not null

以上方法可行，我敢肯定還有其他的方法。如果UNION能用，我想會(huì)是最簡單不過的了。