数据库根据指定字段去重

需求： 对一张用户表根据 name/email/card_num 字段去除重复数据；

思路： 用 group by 方法可以查询出 ’ 去重 ’ 后的数据，将这些数据存储到一张临时表中，然后将临时表的数据存储到指定的表中；

误区及解决方案：group by 方法只能获取部分字段（去重指定字段），不能一次获取到完整的数据，但是可以通过 max 函数获取 group by 结果集中的 id，再根据 id 集合查询出全部的记录。

测试思路

• 查询去重后的数据

SELECT max(id) as id,name,email,card_num FROM users GROUP BY name,email,card_num;

• 从去重后的数据中获取 id 集合

SELECT ID from (SELECT max(id) as id,name,email,card_num FROM users GROUP BY name,email,card_num) as T;

• 根据去重后的数据中获取 id 集合，从源数据中获得记录列表

SELECT * from users where id in (SELECT ID from (SELECT max(id) as id,name,email,card_num FROM users GROUP BY name,email,card_num) as T);

实际方法

• 根据去重后的数据中获取 id 集合，从源数据中获得记录列表，将这些列表数据存入一个临时表中

create TEMP TABLE tmp_data as SELECT * from users where id in (SELECT ID from (SELECT max(id) as id,name,email,card_num FROM users GROUP BY name,email,card_num) as T);

• 将临时表中的数据存入指定的数据表中，完毕

insert into users_copy1 select * from tmp_data;

检测

• 检测结果是不是和第一步查询去重后的数据总数相同

select count(*) from users_copy1;

测试结果：1.4w 条数据中有 2300 条数据重复，实际运行结果为 0.7s，基本满足现在的需求。