• 删除全部重复数据，一条不留
• 删除表中删除重复数据，仅保留一条
• 开始删除重复数据，仅留一条

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(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作为一个第三方表，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。

all done ~

– end –