oralce 大数据去重

[sql] view plain copy
-- 环境：64位11.2G  

-- 一、建立测试表，生成2000万测试数据，其中200万重复  

CREATE TABLE test_t  
(  
   id     NUMBER (8) NOT NULL PRIMARY KEY,  
   name   VARCHAR2 (32)  
);  

BEGIN  
   FOR i IN 1 .. 18000000  
   LOOP  
      INSERT INTO test_t (id, name)  
           VALUES (i, SYS_GUID ());  
   END LOOP;  

   COMMIT;  
END;  
/  

INSERT INTO test_t (id, name)  
   SELECT 18000000 + (id / 9), name  
     FROM test_t  
    WHERE MOD (id, 9) = 0;  

COMMIT;  

CREATE INDEX idx_test_anme  
   ON test_t (name);  

ANALYZE TABLE test_t COMPUTE STATISTICS FOR TABLE FOR ALL INDEXES FOR ALL INDEXED COLUMNS;  


-- 二、两种去重方案对比执行时间  
-- 方案1：建立中间表，生成辅助对象，删除原表，改表名  

CREATE TABLE temp  
AS  
   SELECT *  
     FROM test_t a  
    WHERE a.ROWID = (SELECT MIN (b.ROWID)  
                       FROM test_t b  
                      WHERE a.name = b.name);  

-- 用时：08:14.79  

CREATE INDEX idx  
   ON temp (name);  

-- 用时：02:45.73  

ALTER TABLE temp ADD CONSTRAINT temp_pk PRIMARY KEY (id);  

-- 用时：01:15.79  

-- 总用时：12分16秒  


-- 方案2：直接删除原表中的重复数据  

DELETE test_t a  
 WHERE a.ROWID > (SELECT MIN (b.ROWID)  
                    FROM test_t b  
                   WHERE a.name = b.name);  

-- 用时：2个小时没出来，中断退出。