绑定完请刷新页面
取消
刷新

分享好友

×
取消 复制
MySQL 大批量插入,如何过滤掉重复数据?
2021-08-11 15:04:23

文章转载:程序员老鬼

线上库有6个表存在重复数据,其中2个表比较大,一个96万+、一个30万+,因为之前处理过相同的问题,就直接拿来了上次的Python去重脚本,脚本很简单,就是连接数据库,查出来重复数据,循环删除。

emmmm,但是这个效率嘛,实在是太低了,1秒一条,重复数据大约2万+,预估时间大约在8个小时左右。。。


盲目依靠前人的东西,而不去自己思考是有问题的!总去想之前怎么可以,现在怎么不行了,这也是有问题的!我发现,近确实状态不太对,失去了探索和求知的欲望,今天算是一个警醒,颇有迷途知返的感觉。


言归正传,下面详细介绍去重步骤
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');

目标:我们要去掉name相同的数据


先看看哪些数据重复了

SELECT name,count( 1 ) FROM student GROUP BYNAME HAVING count( 1 ) > 1;

输出:

name count(1) cat 2 dog 2

name为cat和dog的数据重复了,每个重复的数据有两条;


Select * From 表 Where 重复字段 In (Select 重复字段 From 表 Group By 重复字段 Having Count(1)>1)


删除全部重复数据,一条不留


直接删除会报错

DELETEFROM student WHERENAME IN (SELECT NAMEFROM  student GROUP BYNAMEHAVINGcount( 1 ) > 1)

报错:

1093 - You can't specify target table 'student' for update in FROM clause, Time: 0.016000s

原因是:更新这个表的同时又查询了这个表,查询这个表的同时又去更新了这个表,可以理解为死锁。mysql不支持这种更新查询同一张表的操作


解决办法:把要更新的几列数据查询出来做为一个第三方表,然后筛选更新。

DELETEFROM student WHERENAME IN (SELECT  t.NAME FROM ( SELECT NAME FROM student GROUP BY NAME HAVING count1 ) > 1 ) t)

删除表中删除重复数据,仅保留一条


在删除之前,我们可以先查一下,我们要删除的重复数据是啥样的

SELECT * FROM student WHEREid NOT IN (SELECT  t.id FROM ( SELECT MIN( id ) AS id FROM student GROUP BY `name` ) t  )
啥意思呢,就是先通过name分组,查出id小的数据,这些数据就是我们要留下的火种,那么再查询出id不在这里面的,就是我们要删除的重复数据。


开始删除重复数据,仅留一条


很简单,刚才的select换成delete即可

DELETEFROM student WHEREid NOT IN (SELECT  t.id FROM ( SELECT MIN( id ) AS id FROM student GROUP BY `name` ) t  )
90万+的表执行起来超级快。

(版权归原作者所有,侵删)

END


分享好友

分享这个小栈给你的朋友们,一起进步吧。

MySQL大本营
创建时间:2019-04-18 16:52:37
MySQL大本营是MySQL爱好者交流的社区。关注:MySQL实战,MySQL高性能,MySQL架构实战,MySQL DBA职业发展。MySQL大本营旨在创造一个MySQL社区交流环境。
展开
订阅须知

• 所有用户可根据关注领域订阅专区或所有专区

• 付费订阅:虚拟交易,一经交易不退款;若特殊情况,可3日内客服咨询

• 专区发布评论属默认订阅所评论专区(除付费小栈外)

栈主、嘉宾

查看更多
  • coolriver
    栈主

小栈成员

查看更多
  • 小雨滴
  • hwayw
  • 栈栈
  • 老七
戳我,来吐槽~