MySQL 大批量插入，如何过滤掉重复数据？

发布时间：2022-11-02 12:40:43 所属栏目：MySql教程来源：

导读：　　加班原因是上线，解决线上数据库存在重复数据的问题，发现了程序的bug，
　　很好解决，有点问题的是，修正线上的重复数据。
　　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

　　加班原因是上线，解决线上数据库存在重复数据的问题，发现了程序的bug，
　　很好解决，有点问题的是，修正线上的重复数据。
　　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MySQL 处理重复数据，最近确实状态不太对，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?BY
　　NAME?
　　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

　　DELETE?
　　FROM
　　?student?
　　WHERE
　　?NAME?IN?(
　　?SELECT?NAME?
　　?FROM
　　??student?
　　?GROUP?BY
　　?NAME?
　　HAVING
　　?count(?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。

　　DELETE?
　　FROM
　　?student?
　　WHERE
　　?NAME?IN?(
　　?SELECT
　　??t.NAME?
　　FROM
　　?(?SELECT?NAME?FROM?student?GROUP?BY?NAME?HAVING?count(?1?)?>?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?
　　WHERE
　　?id?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最小的数据，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

　　DELETE?
　　FROM
　　?student?
　　WHERE
　　?id?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。

　　All done ~

　　逆锋起笔是一个专注于程序员圈子的技术平台，你可以收获最新技术动态、最新内测资格、BAT等大厂的经验、精品学习资料、职业路线、副业思维，微信搜索逆锋起笔关注！

　　一个 Go 语言实现的数据库

　　觉得不错，请点个在看

（编辑：开发网_新乡站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!

MySQL基准测试工具-sy	Mysql索引概论
mysql 安置记录	MariaDB stop slave用