MySQL 如何查找刪除重復行？
來源：blog.csdn.net/zhengzhb/article/details/8590390
如何查找重復行
第一步是定義什么樣的行才是重復行。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“重復”的定義比這復雜，你需要對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做重復行，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 |+------------+----------+
重復行的組大小大于1。如何希望只顯示重復行，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？因為WHERE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。
如何刪除重復行
一個相關的問題是如何刪除重復行。一個常見的任務是，重復行只保留一行，其他刪除，然后你可以創(chuàng)建適當?shù)乃饕乐挂院笤儆兄貜偷男袑懭霐?shù)據(jù)庫。
同樣，首先是弄清楚重復行的定義。你要保留的是哪一行呢？第一行，或者某個字段具有最大值的行？本文中，假設要保留的是第一行——id字段具有最小值的行，意味著你要刪除其他的行。
也許最簡單的方法是通過臨時表。尤其對于MYSQL，有些限制是不能在一個查詢語句中select的同時update一個表。簡單起見，這里只用到了臨時表的方法。
我們的任務是：刪除所有重復行，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），但這里不做詳細比較，只是說明在支持查詢子句的關系數(shù)據(jù)庫中，使用的標準方法。
delete from testwhere exists(select * from to_deletewhere to_delete.day = test.day and to_delete.min_id <> test.id)
如何查找多列上的重復行
有人最近問到這樣的問題：我的一個表上有兩個字段b和c，分別關聯(lián)到其他兩個表的b和c字段。我想要找出在b字段或者c字段上具有重復值的行。
咋看很難明白，通過對話后我理解了：他想要對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值的行很簡單，只要用group分組，然后計算組的大小。并且查找全部字段重復的行也很簡單，只要把所有字段放到group子句。但如果是判斷b字段重復或者c字段重復，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變得困難了。
錯誤的查詢語句
如果把兩列放在一起分組，你會得到不同的結果，具體看如何分組和計算大小。提問者恰恰是困在了這里。有時候查詢語句找到一些重復行卻漏了其他的。這是他用到了查詢
select b, c, count(*) from a_b_cgroup by b, chaving count(distinct b > 1)or count(distinct c > 1);
結果返回所有的行，因為CONT(*)總是1.為什么？因為 >1 寫在COUNT()里面。這個錯誤很容易被忽略，事實上等效于
select b, c, count(*) from a_b_cgroup by b, chaving count(1)or count(1);
為什么？因為(b > 1)是一個布爾值，根本不是你想要的結果。你要的是
select b, c, count(*) from a_b_cgroup by b, chaving count(distinct b) > 1or count(distinct c) > 1;
返回空結果。很顯然，因為沒有重復的{b,c}。這人試了很多其他的OR和AND的組合，用來分組的是一個字段，計算大小的是另一個字段，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 |+------+----------+
沒有一個能夠找出全部的重復行。而且最令人沮喪的是，對于某些情況，這種語句是有效的，如果錯誤地以為就是這么寫法，然而對于另外的情況，很可能得到錯誤結果。
事實上，單純用GROUP BY 是不可行的。為什么？因為當你對某一字段使用group by時，就會把另一字段的值分散到不同的分組里。對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b字段排序，看看它是如何分組的
當你對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)來計算大小。COUNT()之類的內(nèi)部函數(shù)只作用于同一個分組，對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也會分到不同的組，無論如何是不能達到我們的目的的。
幾種正確的方法
也許最簡單的方法是分別對某個字段查找重復行，然后用UNION拼在一起，像這樣：
select b as value, count(*) as cnt, 'b' as what_colfrom a_b_c group by b having count(*) > 1unionselect c as value, count(*) as cnt, 'c' as what_colfrom 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字段為了提示重復的是哪個字段。另一個辦法是使用嵌套查詢：
select a, b, c from a_b_cwhere 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，并且顯示每一重復的行，而不是重復的字段值。還有一種方法，將自己跟group的嵌套查詢結果聯(lián)表查詢。寫法比較復雜，但對于復雜的數(shù)據(jù)或者對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.cfrom a_b_cleft outer join (select b from a_b_c group by b having count(*) > 1) as b on a_b_c.b = b.bleft outer join (select c from a_b_c group by c having count(*) > 1) as c on a_b_c.c = c.cwhere 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，我想會是最簡單不過的了。
最近熬夜給大家準備了非常全的一套Java一線大廠面試題。全面覆蓋BATJ等一線互聯(lián)網(wǎng)公司的面試題及解答，由BAT一線互聯(lián)網(wǎng)公司大牛帶你深度剖析面試題背后的原理，不僅授你以魚，更授你以漁，為你面試掃除一切障礙。
資源，怎么領取？
掃二維碼，加我微信，備注：面試題
一定要備注：面試題，不要急哦，工作忙完后就會通過！
