MySQL 如何查找刪除重復行？
在公眾號后臺回復：JGNB，可獲取杰哥原創(chuàng)的 PDF 手冊。
如何查找重復行
第一步是定義什么樣的行才是重復行。多數(shù)情況下很簡單：它們某一列具有相同的值。本文采用這一定義，或許你對“重復”的定義比這復雜，你需要對sql做些修改。本文要用到的數(shù)據樣本：
create table test(id int not null primary key, day date not null);
insert into test(id, day) values(1, '2006-10-08');
insert into test(id, day) values(2, '2006-10-08');
insert into test(id, day) values(3, '2006-10-09');
select * from test;
+----+------------+
| id | day |
+----+------------+
| 1 | 2006-10-08 |
| 2 | 2006-10-08 |
| 3 | 2006-10-09 |
+----+------------+
前面兩行在day字段具有相同的值，因此如何我將他們當做重復行，這里有一查詢語句可以查找。查詢語句使用GROUP BY子句把具有相同字段值的行歸為一組，然后計算組的大小。
select day, count(*) from test GROUP BY day;
+------------+----------+
| day | count(*) |
+------------+----------+
| 2006-10-08 | 2 |
| 2006-10-09 | 1 |
+------------+----------+
重復行的組大小大于1。如何希望只顯示重復行，必須使用HAVING子句，比如
select day, count(*) from test group by day HAVING count(*) > 1;
+------------+----------+
| day | count(*) |
+------------+----------+
| 2006-10-08 | 2 |
+------------+----------+
這是基本的技巧：根據具有相同值的字段分組，然后知顯示大小大于1的組。
為什么不能使用WHERE子句？因為WHERE子句過濾的是分組之前的行，HAVING子句過濾的是分組之后的行。
如何刪除重復行
一個相關的問題是如何刪除重復行。一個常見的任務是，重復行只保留一行，其他刪除，然后你可以創(chuàng)建適當?shù)乃饕?，防止以后再有重復的行寫入?shù)據庫。
同樣，首先是弄清楚重復行的定義。你要保留的是哪一行呢？第一行，或者某個字段具有最大值的行？本文中，假設要保留的是第一行——id字段具有最小值的行，意味著你要刪除其他的行。
也許最簡單的方法是通過臨時表。尤其對于MYSQL，有些限制是不能在一個查詢語句中select的同時update一個表。簡單起見，這里只用到了臨時表的方法。
我們的任務是：刪除所有重復行，除了分組中id字段具有最小值的行。因此，需要找出大小大于1的分組，以及希望保留的行。你可以使用MIN()函數(shù)。這里的語句是創(chuàng)建臨時表，以及查找需要用DELETE刪除的行。
create temporary table to_delete (day date not null, min_id int not null);
insert into to_delete(day, min_id)
select day, MIN(id) from test group by day having count(*) > 1;
select * from to_delete;
+------------+--------+
| day | min_id |
+------------+--------+
| 2006-10-08 | 1 |
+------------+--------+
有了這些數(shù)據，你可以開始刪除“臟數(shù)據”行了。可以有幾種方法，各有優(yōu)劣，只是說明在支持查詢子句的關系數(shù)據庫中，使用的標準方法。
delete from test
where exists(
select * from to_delete
where to_delete.day = test.day and to_delete.min_id <> test.id
)
如何查找多列上的重復行
有人最近問到這樣的問題：我的一個表上有兩個字段b和c，分別關聯(lián)到其他兩個表的b和c字段。我想要找出在b字段或者c字段上具有重復值的行。
咋看很難明白，通過對話后我理解了：他想要對b和c分別創(chuàng)建unique索引。如上所述，查找在某一字段上具有重復值的行很簡單，只要用group分組，然后計算組的大小。并且查找全部字段重復的行也很簡單，只要把所有字段放到group子句。但如果是判斷b字段重復或者c字段重復，問題困難得多。這里提問者用到的樣本數(shù)據
create table a_b_c(
a int not null primary key auto_increment,
b int,
c int
);
insert into a_b_c(b,c) values (1, 1);
insert into a_b_c(b,c) values (1, 2);
insert into a_b_c(b,c) values (1, 3);
insert into a_b_c(b,c) values (2, 1);
insert into a_b_c(b,c) values (2, 2);
insert into a_b_c(b,c) values (2, 3);
insert into a_b_c(b,c) values (3, 1);
insert into a_b_c(b,c) values (3, 2);
insert into a_b_c(b,c) values (3, 3);
現(xiàn)在，你可以輕易看到表里面有一些重復的行，但找不到兩行具有相同的二元組{b, c}。這就是為什么問題會變得困難了。
錯誤的查詢語句
如果把兩列放在一起分組，你會得到不同的結果，具體看如何分組和計算大小。提問者恰恰是困在了這里。有時候查詢語句找到一些重復行卻漏了其他的。這是他用到了查詢
select b, c, count(*) from a_b_c
group by b, c
having count(distinct b > 1)
or count(distinct c > 1);
結果返回所有的行，因為CONT(*)總是1.為什么？因為 >1 寫在COUNT()里面。這個錯誤很容易被忽略，事實上等效于
select b, c, count(*) from a_b_c
group by b, c
having count(1)
or count(1);
為什么？因為(b > 1)是一個布爾值，根本不是你想要的結果。你要的是
select b, c, count(*) from a_b_c
group by b, c
having count(distinct b) > 1
or count(distinct c) > 1;
返回空結果。很顯然，因為沒有重復的{b,c}。這人試了很多其他的OR和AND的組合，用來分組的是一個字段，計算大小的是另一個字段，像這樣
select b, count(*) from a_b_c group by b having count(distinct c) > 1;
+------+----------+
| b | count(*) |
+------+----------+
| 1 | 3 |
| 2 | 3 |
| 3 | 3 |
+------+----------+
沒有一個能夠找出全部的重復行。而且最令人沮喪的是，對于某些情況，這種語句是有效的，如果錯誤地以為就是這么寫法，然而對于另外的情況，很可能得到錯誤結果。
事實上，單純用GROUP BY 是不可行的。為什么？因為當你對某一字段使用group by時，就會把另一字段的值分散到不同的分組里。對這些字段排序可以看到這些效果，正如分組做的那樣。首先，對b字段排序，看看它是如何分組的
當你對b字段排序（分組），相同值的c被分到不同的組，因此不能用COUNT(DISTINCT c)來計算大小。COUNT()之類的內部函數(shù)只作用于同一個分組，對于不同分組的行就無能為力了。類似，如果排序的是c字段，相同值的b也會分到不同的組，無論如何是不能達到我們的目的的。
幾種正確的方法
也許最簡單的方法是分別對某個字段查找重復行，然后用UNION拼在一起，像這樣：
select b as value, count(*) as cnt, 'b' as what_col
from a_b_c group by b having count(*) > 1
union
select c as value, count(*) as cnt, 'c' as what_col
from a_b_c group by c having count(*) > 1;
+-------+-----+----------+
| value | cnt | what_col |
+-------+-----+----------+
| 1 | 3 | b |
| 2 | 3 | b |
| 3 | 3 | b |
| 1 | 3 | c |
| 2 | 3 | c |
| 3 | 3 | c |
+-------+-----+----------+
輸出what_col字段為了提示重復的是哪個字段。另一個辦法是使用嵌套查詢：
select a, b, c from a_b_c
where b in (select b from a_b_c group by b having count(*) > 1)
or c in (select c from a_b_c group by c having count(*) > 1);
+----+------+------+
| a | b | c |
+----+------+------+
| 7 | 1 | 1 |
| 8 | 1 | 2 |
| 9 | 1 | 3 |
| 10 | 2 | 1 |
| 11 | 2 | 2 |
| 12 | 2 | 3 |
| 13 | 3 | 1 |
| 14 | 3 | 2 |
| 15 | 3 | 3 |
+----+------+------+
這種方法的效率要比使用UNION低許多，并且顯示每一重復的行，而不是重復的字段值。還有一種方法，將自己跟group的嵌套查詢結果聯(lián)表查詢。寫法比較復雜，但對于復雜的數(shù)據或者對效率有較高要求的情況，是很有必要的。
select a, a_b_c.b, a_b_c.c
from a_b_c
left outer join (
select b from a_b_c group by b having count(*) > 1
) as b on a_b_c.b = b.b
left outer join (
select c from a_b_c group by c having count(*) > 1
) as c on a_b_c.c = c.c
where b.b is not null or c.c is not null
以上方法可行，我敢肯定還有其他的方法。如果UNION能用，我想會是最簡單不過的了。
來源：blog.csdn.net/zhengzhb/article/details/8590390
推薦閱讀：
MySQL 高級 | 用存儲過程、定時器、觸發(fā)器來解決數(shù)據分析問題
