下面这些方法在我虚拟机上做的测试,内存384M,交换分区1024M, test共300W数据,重复记录3.5W,需求如题目所示,表结构如下:
CREATEDATABASE/*!32312 IF NOT EXISTS*/`test`/*!40100 DEFAULT CHARACTER SET utf8*/;USE`test`;/*Table structure for table `test`*/DROPTABLEIFEXISTS`test`;CREATETABLE`test` (
`id`int(11)NOTNULLAUTO_INCREMENT,
`name`char(20)DEFAULTNULLCOMMENT'姓名',
`age`tinyint(4)DEFAULTNULLCOMMENT'年龄',
`mate`tinyint(4)DEFAULT'1'COMMENT'有无配偶(1-有 0-无)',PRIMARYKEY(`id`),KEY`idx_name` (`name`),KEY`idx_age` (`age`)
) ENGINE=MyISAM AUTO_INCREMENT=10DEFAULTCHARSET=utf8;/*!40101 SET SQL_MODE=@OLD_SQL_MODE*/;/*!40014 SET FOREIGN_KEY_CHECKS=@OLD_FOREIGN_KEY_CHECKS*/;
现有记录:
insertinto`test`(`id`,`name`,`age`,`mate`)values(2,'aaaaa',28,0),
(3,'bbbb',23,0),
(4,'cccc',25,1),
(5,'dddd',26,0),
(6,'eeee',24,0),
(7,'fffff',18,0),
(8,'eeee',40,1),
(9,'eeee',60,1);
想去掉name重名的记录,方法如下:
1.给name字段修改成唯一索引:
dropindexidx_nameontest;altertabletestadduniqueindex(name);
这样当向表中添加相同记录的时候,会返回1062的添加失败信息。
但是有一种情况是表中已经有n个重复的记录,这时候我们才想起来要添加唯一索引,再执行上面的操作时,数据库会告诉你已经有重复的记录了,建立索引失败,这时候,我们可以用下面的操作:
alterignoretabletestadduniqueidx_name(name);
它会删除重复的记录(别怕,会保留一条)(但是这个命令在MySQL5.1.37之前是可以的,在5.1.48以后就行不通了),然后建立唯一索引,高效而且人性化。
另外需要注意的是alter ignore table 在percona版本的MySQL行不通,因为它创建索引的方式是:fast index creation
2.重建表方法一:
创建另外一个表,为了防止原来的表结构丢失,可以先创建一个这样的“临时表”,
USE`test`;/*Table structure for table `test`*/DROPTABLEIFEXISTS`uniq_test`;CREATETABLE`uniq_test` (
`id`int(11)NOTNULLAUTO_INCREMENT,
`name`char(20)DEFAUL TNULLCOMMENT'姓名',
`age`tinyint(4)DEFAUL TNULLCOMMENT'年龄',
`mate`tinyint(4)DEFAULT'1'COMMENT'有无配偶(1-有 0-无)',PRIMARYKEY(`id`),KEY`idx_name` (`name`),KEY`idx_age` (`age`)
) ENGINE=MyISAM AUTO_INCREMENT=10DEFAULTCHARSET=utf8;
从test表中查找数据,添加到uniq_test中:
insertintouniq_testselect*fromtestgroupbyname;
drop table test;
rename table uniq_test to test;
3.删除重复记录法:
创建一个表用来存放,要删除的记录的id信息:
CREATETABLE`tmp_ids` (
`id`int(11),
`name` char(20)
) ENGINE=MyISAM;
如果要删除的记录不多的话,可以把这个表创建成内存表形式:
CREATETABLE`tmp_ids` (
`id`int(11),
`name` char(20)
) ENGINE=HEAP;
然后在test表中删除重复记录:
insertintotmp_idsselectmin(id),namefromtestgroupbynamehavingcount(*)>1order by null;deletea.*fromtest a,tmp_ids bwhere b.name=a.name anda.id>b.id;truncatetabletmp_ids;
4.效率低下方法
DELETEtestASaFROMtestASa,
(SELECT*FROMtestGROUPBYnameHAVINGcount(1)>1orderbynull)ASbWHEREa.name=b.nameANDa.id>b.id;
总结:
第一种方法历史22分钟,系统负载5左右;
第二种方法效率非常低下,把未知索引文件破坏,终止执行
第三种方法历时17分钟,其中
insertintotmp_idsselectmin(id),namefromtestgroupbynamehavingcount(*)>1orderbynull
历时15分钟,删除动作历时2分钟,系统负载3左右
第四种方法,执行过程中,把它test的索引文件都破坏了,可见“威力”之大;