Py学习  »  DATABASE

MySQL 大批量插入,如何过滤掉重复数据?

鸭哥聊Java • 2 年前 • 325 次点击  

大家好,我是鸭哥。


“在公司加班到八点,此为背景。


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,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(11NOT NULL AUTO_INCREMENT,  `name` varchar(20DEFAULT NULL,  `age` int(11DEFAULT 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,count1 ) FROM student GROUP BYNAME 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 * FromWhere 重复字段 In (Select 重复字段 FromGroup 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 MINid ) 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 MINid ) AS id FROM student GROUP BY `name` ) t  )


90万+的表执行起来超级快。

来源:telami.cn/2019/mysql-removes-duplicate-data-and-keeping-only-one/



程序员技术交流群
有不少同学给鸭哥说,现在进大厂太难了!赚钱太难!因此,鸭哥特意邀请了华为、腾讯、阿里的朋友进群,与大家一起交流经验,一起增长技术。
有兴趣入群的同学,可长按扫描下方二维码,一定要备注:城市+昵称+技术方向,根据格式备注,可更快被通过且邀请进群。
▲长按扫描

近期技术热文
1、如何优雅地给妹子优化电脑?
2、 Fastjson 的漏洞还是挺多的......
3、mybatis-plus团队新作:mybatis-mate 轻松搞定数据权限
4、个注解提升Spring Boot项目中API接口并发能力,效果明显!
点击下方公众号
回复关键字【666
领取资料


我就知道你会点赞+“在看”

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/123525
 
325 次点击