MYSQL里有五百万数据,但大多是重复的,真实的就180万,于是想怎样把这些重复的数据搞出来,在网上找了一圈,好多是用NOT IN这样的代码,这样效率很低,自己琢磨组合了一下,找到一个高效的处理方式,用这个方式,五百万数据,十来分钟就全部去除重复了,请各位参考。
第一步:从500万数据表data_content_152里提取出不重复的字段SFZHM对应的ID字段到TMP3表
1 create table tmp3 as select min(id) as col1 from data_content_152 group by SFZHM;
第二步:创建新表RES
1234 CREATE TABLE `res` (`id` int(11),`sfz` char(20)) ENGINE=MyISAM;
第三步:把TMP3表ID对应到data_content_152里需要提取的数据添加到RES表的SFZ字段
1 INSERT INTO res (sfz) SELECT sfzhm FROM data_content_152,tmp3 where data_content_152id=tmp3col1
至此,就在MYSQL里实现了,给数据表data_content_152完全删除重复数据,把去重复后的数据导入到RES表。
1 查询需要删除的记录,会保留一条记录。
select aid,asubject,aRECEIVER from test1 a left join (select csubject,cRECEIVER ,max(cid) as bid from test1 c where status=0 GROUP BY RECEIVER,SUBJECT having count(1) >1) b on aid< bbid where asubject=bsubject and aRECEIVER = bRECEIVER and aid < bbid
2 删除重复记录,只保留一条记录。注意,subject,RECEIVER 要索引,否则会很慢的。
delete a from test1 a, (select csubject,cRECEIVER ,max(cid) as bid from test1 c where status=0 GROUP BY RECEIVER,SUBJECT having count(1) >1) b where asubject=bsubject and aRECEIVER = bRECEIVER and aid < bbid;
有两个意义上的重复记录,一是完全重复的记录,也即所有字段均重复的记录,二是部分关键字段重复的记录,比如Name字段重复,而其他字段不一定重复或都重复可以忽略。
1、对于第一种重复,比较容易解决,使用
select distinct from tableName
就可以得到无重复记录的结果集。
如果该表需要删除重复的记录(重复记录保留1条),可以按以下方法删除
复制代码代码如下:
select distinct into #Tmp from tableName
drop table tableName
select into tableName from #Tmp
drop table #Tmp
发生这种重复的原因是表设计不周产生的,增加唯一索引列即可解决。
2、这类重复问题通常要求保留重复记录中的第一条记录, *** 作方法如下
假设有重复的字段为Name,Address,要求得到这两个字段唯一的结果集
复制代码代码如下:
select identity(int,1,1) as autoID, into #Tmp from tableName
select min(autoID) as autoID into #Tmp2 from #Tmp group by Name,autoID
select from #Tmp where autoID in(select autoID from #tmp2)
1查询出重复记录
select 重复记录字段 form 数据表 group by houseno having count(重复记录字段)>1
2重复记录只显示一条ID值最小或最大的记录
select id, from 数据表 where houseno (select 重复记录字段 form 数据表 group by 重复记录
字段 having count(重复记录字段)>1 )
这样把houseno重复的的ID值全部显示出,那么我们如何只显示一条id最小或最大的记录呢?
关键是在上面sql的where子句中select 重复记录字段 form 数据表 group by 重复记录字段 having count(
重复记录字段)>1
修改为
select min(id) form 数据表 group by 重复记录字段 having count(重复记录字段)>1
这样就查询重复记录字段中ID最小值
那么上面的语句就是
select id, from 数据表 where houseno (select min(id) form 数据表 group by 重复记录字段
having count(重复记录字段)>1 )
3至于对重复记录执行delete update 就非常简单啦
例如只保留最小id的一条
delete 数据表 where id in (select max(id ) from 数据包 group by 重复记录字段 having count(重复记录字段)>1)
update *** 作不说啦都一样。
4group by 字段 having count与distinct的区别
distct查询显示全部字段值都是一样的唯一,一条记录
例如
id name sex
43 111 1
44 111 1
45 111 2
46 222 2
47 222 2
48 333 1
49 333 1
SELECT distinct
[name]
,[sex]
FROM [database][dbo][a]
要想实现上面的要去掉 sex字段 改成
SELECT distinct
[name]
FROM [database][dbo][a]
但要想取得重复ID最小值不建议用distinct。
总结:
对于重复记录关键是查出 :采用group by 字段 having count(字段)>1
取得最小id的一条(很关键) :采用min(id)
以上就是关于怎么删除重复的Mysql数据全部的内容,包括:怎么删除重复的Mysql数据、mysql如何去掉数据库中重复记录、ACCESS数据库内如何去除某字段重复记录等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)