数据插入骚操作,大批量插入轻松过滤重复数据

约定不等于承诺〃 2022-09-03 11:13 167阅读 0赞

点击蓝色“java大数据修炼之道”关注我哟
    
    加个“星标”，每晚21:00，一起学技术

来源: telami.cn/2019/mysql-removes-duplicate

> 在公司加班到八点，此为背景。

# Part1加班原因 #

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，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。

# Part2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。

PS：如果觉得我的分享不错，欢迎大家随手点赞、在看。▽加我微信,交个朋友长按/扫码添加↑↑↑1、Redis中主、从库宕机如何恢复?
    2、这三种单点登录的方式你都Get吗?3、短信验证码登录流程思路及详细步骤4、面试必备：聊聊数据库中的事务和锁5、盘点 HashMap 源码中的那些优雅的设计!6、面试官问：数据库 delete 表数据，磁盘空间还是被一直占用，为什么?右下角，您点一下在看图片
    小微工资涨1毛
    欢迎添加枫哥个人微信 2782278837  进粉丝群或围观朋友圈