笔者在实际工作中遇到, 一张几百万数据的表因为未做唯一性约束,导致产生很多重复性数据。 网上看了很多同仁写的去重脚本,但基本都无法直接使用,并且运行时基本都会报错,所以我这边整理了一个比较使用的数据去重脚本,并且笔者测试OK,思路基本是这样的:
1、找出字段重复的数据
2、删除查询到的重复数据
3、选择保留一条自己想要保留的数据(笔者写的脚本是保留ID最大的一条数据)
例如:现在有一张学生信息表,因为某开发在测试环境在学号字段上未创建唯一索引,然后其他开发以为根据学号查询出来的是唯一的一个学生信息,并且按照这个想法写了一个根据学号查询学生信息的查询语句,运行时报错,错误信息基本就是数据库本应查询返回一条但实际返回多条的一场信息;现需要对测试环境的学生信息表的数据进行去重,脚本如下:
-- 1、查询重复的数据
SELECT *
FROM
t_student_info
GROUP BY student_no
HAVING count(student_no) > 1;
-- 2、删除重复的数据
DELETE
FROM
t_student_info
WHERE student_no IN (SELECT t1.student_no FROM(
SELECT *
FROM
t_student_info
GROUP BY student_no
HAVING count(student_no) > 1)AS t1
);
-- 3、删除重复数据并保留一条ID最大的数据
DELETE
FROM
t_student_info
WHERE
student_no IN (SELECT t1.student_no FROM(
SELECT *
FROM
t_student_info
GROUP BY student_no
HAVING count(student_no) > 1)AS t1
)
AND ID NOT IN (SELECT * FROM(
SELECT MAX(ID)
FROM t_student_info
GROUP BY student_no
HAVING count(student_no) > 1)AS t2);
步骤3中的脚本为完整的数据去重脚本,替换表名与字段名之后可直接使用
不要让昨天的沮丧 让今天的梦想黯然失色 成功的人总是修改方法而不修改目标
据说, 多贴一下这个图,真的会少很多BUG