关于mysql:MySQL-大批量插入如何过滤掉重复数据

在公司加班到八点，此为背景。

加班起因是上线，解决线上数据库存在反复数据的问题，发现了程序的 bug，很好解决，有点问题的是，修改线上的反复数据。

线上库有 6 个表存在反复数据，其中 2 个表比拟大，一个 96 万 +、一个 30 万 +，因为之前解决过雷同的问题，就间接拿来了上次的 Python 去重脚本，脚本很简略，就是连贯数据库，查出来反复数据，循环删除。

emmmm，然而这个效率嘛，切实是太低了，1 秒一条，反复数据大概 2 万 +，预估工夫大概在 8 个小时左右。。。

自觉依附前人的货色，而不去本人思考是有问题的！总去想之前怎么能够，当初怎么不行了，这也是有问题的！我发现，最近的确状态不太对，失去了摸索和求知的欲望，明天算是一个警醒，颇有误入歧途的感觉。

言归正传，上面具体介绍去重步骤。

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');

指标：咱们要去掉 name 雷同的数据。

先看看哪些数据反复了

SELECT name,count(1) 
FROM
 student 
GROUP BY
NAME 
HAVING
 count(1) > 1;

输入：

name count(1) cat 2 dog 2

name 为 cat 和 dog 的数据反复了，每个反复的数据有两条；

Select * From 表 Where 反复字段 In (Select 反复字段 From 表 Group By 反复字段 Having Count(1)>1)

删除全副反复数据，一条不留

间接删除会报错

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

起因是 ：更新这个表的同时又查问了这个表，查问这个表的同时又去更新了这个表，能够了解为死锁。mysql 不反对这种更新查问同一张表的操作

解决办法 ：把要更新的几列数据查问进去做为一个第三方表，而后筛选更新。

DELETE 
FROM
 student 
WHERE
 NAME IN (
 SELECT
  t.NAME 
FROM
 (SELECT NAME FROM student GROUP BY NAME HAVING count( 1) > 1 ) t)

删除表中删除反复数据，仅保留一条

在删除之前，咱们能够先查一下，咱们要删除的反复数据是啥样的

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，这些数据就是咱们要留下的火种，那么再查问出 id 不在这外面的，就是咱们要删除的反复数据。

开始删除反复数据，仅留一条

很简略，方才的 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 👏👏👏👏~

（感激浏览，心愿对你所有帮忙 )
起源：telami.cn/2019/mysql-removes-duplicate
-data-and-keeping-only-one/