前文

 

重复数据的情况分为两种：  

单个字段 数据重复  

多个字段 数据重复

所以该篇的内容就是包括

单个字段的重复数据查找  与 去重
多个字段的重复数据查找  与 去重 

 

 

正文

 

示例  accountinfo 表数据如下：

 

场景一   单个字段重复数据查找 & 去重

我们要把上面这个表中 单个字段 account字段相同的数据找出来。

思路 分三步 简述：

 

第一步

要找出重复数据，我们首先想到的就是，既然是重复，那么 数量就是大于 1  就算是重复。 那就是 count 函数 。

因为我们要排查的是 单个 字段account ，那么就是需要按照 account 字段 维度 去分组。  那就是 group by 函数。

 

那么我们第一步写出来的mysql 语句是：
 

 SELECT account ,COUNT(account) as count FROM accountinfo GROUP BY account;

查询结果如下：

第二步 

没错，如我们所想，count大于1的即是 account为 A  和 B 的数据。

那么我们稍作筛选，只把count大于1的数据的account  找出来。

 第二步，利用having 拼接筛选条件，写出来的mysql 语句是：

 SELECT account FROM accountinfo GROUP BY account HAVING COUNT(account) > 1;

查询结果如下：

 第三步

重复的account数据 A B 都找出来了，接下来我们只需要把account为A 和 B 的其他数据都一起查询出来。

那就是利用第二步查出来的数据做为子查询条件，使用 IN 函数。

第三步写出来的mysql 语句是：

 SELECT * FROM  accountinfo WHERE account IN
 (
 SELECT account FROM accountinfo GROUP BY account HAVING COUNT(account) > 1
 );

查询结果如下：

可以看到重复的数据都被我们筛选出来了。

 

那么怎么去重呢？ 也就是说，把重复的数据删掉。

不，准确点应该说是，重复的数据都只留下一条即可，这才是去重。

紧接着上面，毕竟去重的前提肯定是找重，上面我们已经实现找重了，所以紧接着进行去重。

按照我们步骤三得到的图，就是我们需要删掉一条account为A的数据， 一条account为B的数据，去重结果图应该如下：

 

思路也分三步简述：

第一步

删掉数据，我们一般选择接住主键来删除，所以我们考虑从id入手。

再来看我们的重复数据：

 

如果我们想在这些重复数据里面，每个都保留一条，如 account 为 A 中 id=10 的数据，  account 为B 中 id=20 的数据 ，那么第一步我们就得把这两条数据从上面的

最终得到的数据 筛选出来，也就是按照 account分组，保留里面id最小的数据。使用 group by 和 min 函数。

所以去重我们第一步写出来的mysql 语句是：

SELECT min(id) as id from (


 SELECT * FROM  accountinfo WHERE account IN
 (
 SELECT account FROM accountinfo GROUP BY account HAVING COUNT(account) > 1
 ) 
 
 
 ) a GROUP BY a.account

查询结果如下：

 

第二步

想要保留的数据已经找出来了，那么接下来就是从所有的重复数据里面 删掉 不为 我们保留的数据 即可 。
那么就是找出我们需要删除的id， 使用 not in 函数。

所以去重我们第二步写出来的mysql 语句是：

SELECT t1.id FROM (

SELECT id  FROM accountinfo WHERE account IN (  SELECT account FROM accountinfo GROUP BY account HAVING COUNT(account) > 1) ) t1 

WHERE t1.id NOT IN (


SELECT min(id) AS id FROM (


 SELECT * FROM  accountinfo WHERE account IN
 (
 SELECT account FROM accountinfo GROUP BY account HAVING COUNT(account) > 1
 ) 
 
 
 ) a GROUP BY a.account

)

查询的结果为：

对这个sql语句稍作文字说明：

第三步，删掉第二步找出来的数据即可，根据id删除。

所以第三步写出来的mysql语句是：
 

DELETE FROM accountinfo WHERE id IN (

SELECT t1.id FROM (

SELECT id  FROM accountinfo WHERE account IN (  SELECT account FROM accountinfo GROUP BY account HAVING COUNT(account) > 1) ) t1 

WHERE t1.id NOT IN (


SELECT min(id) AS id FROM (


 SELECT * FROM  accountinfo WHERE account IN
 (
 SELECT account FROM accountinfo GROUP BY account HAVING COUNT(account) > 1
 ) 
 
 
 ) a GROUP BY a.account

)

)

 

执行结果如下图：

 

场景二  多个字段重复数据查找 & 去重

 

 示例  accountinfo 表数据如下：

 

 想要去重，我们的首要想到的也是先把 重复数据 找出来。

现在的重复定义是， account 和 deviceId 都相同的 时候，这种数据就是重复数据（也就是上图绿色框出来的就是同时多个字段都存在重复的数据）。

思路简述：

第一步

因为有了文章上半部讲到的单个字段重复的数据查找思路，所以到这边应该更好理解了。

同样， account 和 deviceId 都相同的重复数据就是指， 这种数据存在的数量 大于 2，那么就是存在重复了。

我们还是使用到了 group by  函数 和 count 函数 和 having and  函数（因为需要同时满足两个字段条件，使用and）。

第一步写出来的mysql语句是：

SELECT account, COUNT(account), deviceId, COUNT(deviceId) 
FROM accountinfo 
GROUP BY account, deviceId 
HAVING  (COUNT(account) > 1) AND  (COUNT(deviceId) > 1) 

查询出来的结果如下图：

第二步

一样 也是把第一步里的到的关键信息 account 和 deviceId做为子查询条件，从原表里把  account 和 deviceId 同时相同的数据都查找出来。

第二步写出来的mysql语句是：

 

SELECT t.* FROM  accountinfo t, (

SELECT account, COUNT(account), deviceId, COUNT(deviceId) 
FROM accountinfo 
GROUP BY account, deviceId 
HAVING  (COUNT(account) > 1) AND  (COUNT(deviceId) > 1) 
) a 

WHERE t.account=a.account AND t.deviceId=a.deviceId 

 

查询结果如下图：

 

可以看到重复的数据都被我们筛选出来了，这些数据里面就是包含 account 和 deviceId 同时都相同的数据！

 

去重

第一步

思路一样，我们对于重复的数据每个只保留一条,那就是把这些涉及重复的数据每个都找出一条，也是根据id入手。

也就是在account为 C 且 deviceId 为 C333  三条重复数据里面，保留 id最小的 等于30 这一条;

account为D 且 deviceId 为 D444  二条重复数据里面，保留 id最小的 等于40 这一条.

 

所以第一步我们先写出来的mysql语句为：
 

SELECT min(id) as id FROM (

SELECT t.* FROM  accountinfo t, (

SELECT account, COUNT(account), deviceId, COUNT(deviceId) 
FROM accountinfo 
GROUP BY account, deviceId 
HAVING  (COUNT(account) > 1) AND  (COUNT(deviceId) > 1) 
) a 

WHERE t.account=a.account AND t.deviceId=a.deviceId 

)a  GROUP BY a.account,a.deviceId

查询结果如下图：

 

 

第二步

就是从涉及重复数据里面，找出除了我们需要保留的id之外的那批id， 那就是需要我们执行删除的数据id。

所以第二步我们先写出来的mysql语句为：

SELECT t.* FROM  accountinfo t, (

SELECT account, COUNT(account), deviceId, COUNT(deviceId) 
FROM accountinfo 
GROUP BY account, deviceId 
HAVING  (COUNT(account) > 1) AND  (COUNT(deviceId) > 1) 
) a 

WHERE t.account=a.account AND t.deviceId=a.deviceId 

) b   WHERE b.id

NOT IN (


SELECT min(id) as id FROM (

SELECT t.* FROM  accountinfo t, (

SELECT account, COUNT(account), deviceId, COUNT(deviceId) 
FROM accountinfo 
GROUP BY account, deviceId 
HAVING  (COUNT(account) > 1) AND  (COUNT(deviceId) > 1) 
) a 

WHERE t.account=a.account AND t.deviceId=a.deviceId 

)a  GROUP BY a.account,a.deviceId

)

查询出来的结果为：
 

那么最后删掉这些id的数据即可：

DELETE FROM accountinfo WHERE id in (

SELECT b.id  FROM  (  

SELECT t.* FROM accountinfo  t, (

SELECT account, COUNT(account), deviceId, COUNT(deviceId) 
FROM accountinfo 
GROUP BY account, deviceId 
HAVING  (COUNT(account) > 1) AND  (COUNT(deviceId) > 1) 
) a 

WHERE t.account=a.account AND t.deviceId=a.deviceId 

) b   WHERE b.id

NOT IN (


SELECT min(id) as id FROM (

SELECT t.* FROM  accountinfo t, (

SELECT account, COUNT(account), deviceId, COUNT(deviceId) 
FROM accountinfo 
GROUP BY account, deviceId 
HAVING  (COUNT(account) > 1) AND  (COUNT(deviceId) > 1) 
) a 

WHERE t.account=a.account AND t.deviceId=a.deviceId 

)a  GROUP BY a.account,a.deviceId

)

)

去重后结果为:

 

 

该篇就到此吧。