文章主要介紹了用SQL語(yǔ)句去掉重復(fù)的記錄的兩種方式，兩種方式都可以使用臨時(shí)表操作，具體實(shí)現(xiàn)方法大家跟隨小編一起通過(guò)本文學(xué)習(xí)吧

海量數(shù)據(jù)（百萬(wàn)以上），其中有些全部字段都相同，有些部分字段相同，怎樣高效去除重復(fù)？

如果要?jiǎng)h除手機(jī)(mobilePhone)，電話(huà)(officePhone)，郵件(email)同時(shí)都相同的數(shù)據(jù)，以前一直使用這條語(yǔ)句進(jìn)行去重：

1. delete from 表 where id not in 
2. (select max(id) from 表 group by mobilePhone,officePhone,email ) 
3. or
4. delete from 表 where id not in 
5.  (select min(id) from 表 group by mobilePhone,officePhone,email )
6.  
7. delete from 表 where id not in
8. (select max(id) from 表 group by mobilePhone,officePhone,email )
9. or
10. delete from 表 where id not in
11.  (select min(id) from 表 group by mobilePhone,officePhone,email )

其中下面這條會(huì)稍快些。上面這條數(shù)據(jù)對(duì)于100萬(wàn)以?xún)?nèi)的數(shù)據(jù)效率還可以，重復(fù)數(shù)1/5的情況下幾分鐘到幾十分鐘不等，但是如果數(shù)據(jù)量達(dá)到300萬(wàn)以上，效率驟降，如果重復(fù)數(shù)據(jù)再多點(diǎn)的話(huà)，常常會(huì)幾十小時(shí)跑不完，有時(shí)候會(huì)鎖表跑一夜都跑不完。無(wú)奈只得重新尋找新的可行方法，今天終于有所收獲：

1. //查詢(xún)出唯一數(shù)據(jù)的ID,并把他們導(dǎo)入臨時(shí)表tmp中 
2. select min(id) as mid into tmp from 表 group by mobilePhone,officePhone,email 
3.  //查詢(xún)出去重后的數(shù)據(jù)并插入finally表中 
4. insert into finally select (除ID以外的字段) from customers_1 where id in (select mid from tmp)
5.  
6. //查詢(xún)出唯一數(shù)據(jù)的ID,并把他們導(dǎo)入臨時(shí)表tmp中
7. select min(id) as mid into tmp from 表 group by mobilePhone,officePhone,email
8.  //查詢(xún)出去重后的數(shù)據(jù)并插入finally表中
9. insert into finally select (除ID以外的字段) from customers_1 where id in (select mid from tmp)

效率對(duì)比：用delete方法對(duì)500萬(wàn)數(shù)據(jù)去重（1/2重復(fù)）約4小時(shí)。4小時(shí)，很長(zhǎng)的時(shí)間。

用臨時(shí)表插入對(duì)500萬(wàn)數(shù)據(jù)去重（1/2重復(fù)）不到10分鐘。

其實(shí)用刪除方式是比較慢的，可能是邊找邊刪除的原因吧，而使用臨時(shí)表，可以將沒(méi)有重復(fù)的數(shù)據(jù)ID選出來(lái)放在臨時(shí)表里，再將表的信息按臨時(shí)表的選擇出來(lái)的ID，將它們找出來(lái)插入到新的表，然后將原表刪除，這樣就可以快速去重啦。

SQL語(yǔ)句去掉重復(fù)記錄，獲取重復(fù)記錄

按照某幾個(gè)字段名稱(chēng)查找表中存在這幾個(gè)字段的重復(fù)數(shù)據(jù)并按照插入的時(shí)間先后進(jìn)行刪除，條件取決于order by 和row_num。

方法一按照多條件重復(fù)處理：

1. delete tmp from( 
2. select row_num = row_number() over(partition by 字段，字段 order by 時(shí)間 desc) 
3.  from 表 where 時(shí)間> getdate()-1 
4.  ) tmp 
5.  where row_num > 1
6. delete tmp from(
7. select row_num = row_number() over(partition by 字段，字段 order by 時(shí)間 desc)
8.  from 表 where 時(shí)間> getdate()-1
9.  ) tmp
10.  where row_num > 1

方法二按照單一條件進(jìn)行去重：

1. delete from 表 where 主鍵ID not in( 
2. select max(主鍵ID) from 表 group by 需要去重的字段 having count(需要去重的字段)>=1 
3.  )
4. delete from 表 where 主鍵ID not in(
5. select max(主鍵ID) from 表 group by 需要去重的字段 having count(需要去重的字段)>=1
6.  )

注意：為提高效率如上兩個(gè)方法都可以使用臨時(shí)表， not in 中的表可以先提取臨時(shí)表#tmp，

然后采用not exists來(lái)執(zhí)行，為避免數(shù)量過(guò)大，可批量用Top控制刪除量

1. delete top(2) from 表 
2.    where not exists (select 主鍵ID 
3.  from #tmp where #tmp.主鍵ID=表.主鍵ID)

總結(jié)

以上所述是小編給大家介紹的使用SQL語(yǔ)句去掉重復(fù)的記錄，希望對(duì)大家有所幫助，