做項目的時候,一位同事導數據的時候,不小心把一個表中的數據全都搞重了,也就是說,這個表裏所有的記錄都有一條重複的。這個表的數據是千萬級的,而且是生產系統。也就是說,不能把所有的記錄都刪除,而且必須快速的把重複記錄刪掉。
對此,總結了一下刪除重複記錄的方法,以及每種方法的優缺點。
爲了陳訴方便,假設表名爲Tbl,表中有三列col1,col2,col3,其中col1,col2是主鍵,並且,col1,col2上加了索引。
1、通過創建臨時表
可以把數據先導入到一個臨時表中,然後刪除原表的數據,再把數據導回原表,SQL語句如下:
creat table tbl_tmp (select distinct* from tbl);truncate table tbl; |
這種方法可以實現需求,但是很明顯,對於一個千萬級記錄的表,這種方法很慢,在生產系統中,這會給系統帶來很大的開銷,不可行。
2、利用rowid
在oracle中,每一條記錄都有一個rowid,rowid在整個數據庫中是唯一的,rowid確定了每條記錄是oracle中的哪一個數據文件、塊、行上。在重複的記錄中,可能所有列的內容都相同,但rowid不會相同。SQL語句如下:
delete from tbl where rowid in (select a.rowid from tbl a, |
如果已經知道每條記錄只有一條重複的,這個sql語句適用。但是如果每條記錄的重複記錄有N條,這個N是未知的,就要考慮適用下面這種方法了。
3、利用max或min函數
這裏也要使用rowid,與上面不同的是結合max或min函數來實現。SQL語句如下
delete from tbl awhere rowid not in (select max(b.rowid) |
或者用下面的語句
delete from tbl awhere rowid<(select max(b.rowid) |
跟上面的方法思路基本是一樣的,不過使用了group by,減少了顯性的比較條件,提高效率。SQL語句如下:
deletefrom tbl where rowid not in (select max(rowid) |
還有一種方法,對於表中有重複記錄的記錄比較少的,並且有索引的情況,比較適用。假定col1,col2上有索引,並且tbl表中有重複記錄的記錄比較少,SQL語句如下4、利用group by,提高效率