MySQL 大批量插入,如何过滤掉重复数据?

 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,最近确实状态不太对, 宝宝连体衣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。