背景
之前,数据是通过表单提交
后来增加了excel批量导入的功能,但是这个接口没有判断数据重复,覆盖更新
导致线上环境出现大量重复数据
如果要保证数据库不出现重复数据,可以添加唯一索引来限制
参考:Mysql重复数据查重保留一条(id自增)
- 只适合id自增的表,我的表id是uuid,所以需要借助其他的手段实现min函数
-- 连表删除
delete t_user
from
t_user,
(
SELECT
min(id) id,
username
FROM
t_user
GROUP BY
username
HAVING
count(*) > 1
) t2
where t_user.username = t2.username
-- 删除重复的比最小id大的数据,即保留id最小的那条数据
and t_user.id > t2.id
改造:主键为uuid
- 数据唯一判断,4个字段确定一条记录:type产品类型,name产品名称,customer客户,year_month年月
- created_time 创建时间,据此排序分辨新旧
简单版
- 一次清除每组一条重复数据,需要多执行几次,适合数据量少的情况
-- 每次都是取的最早的id
-- 多执行几次
DELETE from test_table_02 where id in (
SELECT SUBSTRING_INDEX(ids, ',', 1) id from (
select GROUP_CONCAT(id ORDER BY created_time) ids, type, name, customer, `year_month`, count(1) c
from test_table_02
GROUP BY type, name, customer, `year_month`
having c > 1
) aaaa
)
GROUP_CONCAT(id ORDER BY created_time)
聚合每组id,并根据创建时间正序,第一个即为最早的。倒序,则第一个为最新的。SUBSTRING_INDEX(ids, ',', 1)
截取第一个id
扩展:截取第一个id的2种方式
方式1:使用SUBSTRING_INDEX() 函数
set @ids = '12,3,4,5,6';
-- SUBSTRING_INDEX() 函数返回一个字符串中指定分隔符出现在指定次数【之前】的子字符串
-- SUBSTRING_INDEX(str, delim, count)
-- 从头开始,截取到第几个分隔符
select SUBSTRING_INDEX(@ids, ',', 1); -- 12
select SUBSTRING_INDEX(@ids, ',', 2); -- 12,3
方式2:INSTR() 和 LEFT() 函数结合
set @ids = '12,3,4,5,6';
-- INSTR() 函数返回一个子字符串在一个字符串中【第一次】出现的位置的数字索引。 -- INSTR() 函数是不区分大小写的。
-- 与java不同,下标从1开始,即为到这个字符位置的字符串长度
select INSTR(@ids,','); -- 3
-- LEFT() 函数从指定字符串的左侧 返回指定数量的字符组成的字符串。
-- LEFT(string, length)
-- 从头开始,截取指定长度
select left(@ids, INSTR(@ids,',')-1); -- 12
加强版:一次性全部删除
-
要注意的是,
group_concat
有长度限制,超过会被截掉,可能会删不完全-- 查看数据库中group_concat_max_len的大小 默认1024 show variables like 'group_concat_max_len'; -- 临时修改当前连接 SET SESSION group_concat_max_len=102400;
select a.id from test_table_02 a
INNER JOIN (
select ids from
(
-- 保留第一个 截取第2个到最后一个id
select SUBSTR(ids,INSTR(ids,',')+1) ids from (
-- 保留最后一个 截取第1个到倒数第2个id
-- select left(ids, (CHAR_LENGTH(ids)-INSTR(reverse(ids),',') ) ) from (
select GROUP_CONCAT(id ORDER BY created_time) ids, type, name, customer, `year_month`, count(1) c
from test_table_02
GROUP BY type, name, customer, `year_month`
having c > 1
) aaaa
) bbb
) b on FIND_IN_SET(a.id, b.ids)
SUBSTR(ids,INSTR(ids,',')+1)
保留第一个 截取第2个到最后一个idleft(ids, (CHAR_LENGTH(ids)-INSTR(reverse(ids), ',') ) )
保留最后一个 截取第1个到倒数第2个idreverse(ids)
反转字符串INSTR(reverse(ids), ',')
获取最后一个id的长度,包括了逗号的长度CHAR_LENGTH(ids)
获取字符长度CHAR_LENGTH(ids)-INSTR(reverse(ids), ',')
字符总长度 - 最后一个id+逗号的长度 = 第1个到倒数第2个id的长度
扩展
求长度时,注意length()、char_length()的区别
-
char_length(str) 字符长度
- 不管汉字还是数字或者是字母都算是一个字符
-
length(str) 计算单位:字节
- utf8编码:一个汉字三个字节,一个数字或字母一个字节。
- gbk编码:一个汉字两个字节,一个数字或字母一个字节。
-
没有中文之类的,LENGTH和CHAR_LENGTH结果大概是一致的
-- 6 计算字节 select LENGTH('你好') -- 2 计算字符 select CHAR_LENGTH('你好')
保留第一个:使用SUBSTR() 函数
set @ids = '12,3,4,5,6';
-- MySQL SUBSTR() 函数从一个字符串中返回一个【从指定位置开始】的【指定长度】的子字符串。
-- 可以传2个参数,也可以传3个,不传第3个参数len,指定长度,就是到结尾
-- SUBSTR(str, pos)
-- SUBSTR(str, pos, len)
-- 从第2个id开始取到结尾 保留第一个
select SUBSTR(@ids, INSTR(@ids,',') + 1) -- 3,4,5,6
保留最后一个:left() 函数
set @ids = '12,3,4,5,6';
-- 从头取到倒数第二个 保留最后一个
-- REVERSE() 函数返回反转后的字符串
-- CHAR_LENGTH() 返回给定字符串的长度,注意与 LENGTH() 区别,LENGTH()函数返回指定字符串的以字节为单位的长度
-- UTF-8,一个中文字占用 3 个字节
select left(@ids, (CHAR_LENGTH(@ids)-INSTR(reverse(@ids),','))) -- 12,3,4,5