MySQL查找重复数据

如何查找重复行如何删除重复行如何查找多列上的重复行错误的查询语句几种正确的方法如何查找重复行

第一步是定义什么样的行才是重复行。多数情况下很简单：它们某一列具有相同的值。本文采用这一定义，或许你对“重复”的定义比这复杂，你需要对sql做些修改。本文要用到的数据样本：

create table test(id int not null primary key, day date not null);ｉｎｓｅｒｔ into test(id, day) values(1, ‘2006-10-08‘);ｉｎｓｅｒｔ into test(id, day) values(2, ‘2006-10-08‘);ｉｎｓｅｒｔ into test(id, day) values(3, ‘2006-10-09‘);ｓｅｌｅｃｔ * from test;+----+------------+| id | day |+----+------------+| 1 | 2006-10-08 || 2 | 2006-10-08 || 3 | 2006-10-09 |+----+------------+

前面两行在day字段具有相同的值，因此如何我将他们当做重复行，这里有一查询语句可以查找。查询语句使用GROUP BY子句把具有相同字段值的行归为一组，然后计算组的大小。

ｓｅｌｅｃｔ day, count(*) from test GROUP BY day;+------------+----------+| day | count(*) |+------------+----------+| 2006-10-08 | 2 || 2006-10-09 | 1 |+------------+----------+

重复行的组大小大于1。如何希望只显示重复行，必须使用HAVING子句，比如

ｓｅｌｅｃｔ day, count(*) from test group by day HAVING count(*) > 1;+------------+----------+| day | count(*) |+------------+----------+| 2006-10-08 | 2 |+------------+----------+

这是基本的技巧：根据具有相同值的字段分组，然后知显示大小大于1的组。

为什么不能使用WHERE子句？因为WHERE子句过滤的是分组之前的行，HAVING子句过滤的是分组之后的行。

如何删除重复行

一个相关的问题是如何删除重复行。一个常见的任务是，重复行只保留一行，其他删除，然后你可以创建适当的索引，防止以后再有重复的行写入数据库。

同样，首先是弄清楚重复行的定义。你要保留的是哪一行呢？第一行，或者某个字段具有最大值的行？本文中，假设要保留的是第一行——id字段具有最小值的行，意味着你要删除其他的行。

也许最简单的方法是通过临时表。尤其对于MYSQL，有些限制是不能在一个查询语句中ｓｅｌｅｃｔ的同时ｕｐｄａｔｅ一个表。简单起见，这里只用到了临时表的方法。

我们的任务是：删除所有重复行，除了分组中id字段具有最小值的行。因此，需要找出大小大于1的分组，以及希望保留的行。你可以使用MIN()函数。这里的语句是创建临时表，以及查找需要用ｄｅｌｅｔｅ删除的行。

create temporary table to_delete (day date not null, min_id int not null);ｉｎｓｅｒｔ into to_delete(day, min_id) ｓｅｌｅｃｔ day, MIN(id) from test group by day having count(*) > 1;ｓｅｌｅｃｔ * from to_delete;+------------+--------+| day | min_id |+------------+--------+| 2006-10-08 | 1 |+------------+--------+

有了这些数据，你可以开始删除“脏数据”行了。可以有几种方法，各有优劣（详见我的文章many-to-one problems in SQL），但这里不做详细比较，只是说明在支持查询子句的关系数据库中，使用的标准方法。

ｄｅｌｅｔｅ from test where exists( ｓｅｌｅｃｔ * from to_delete where to_delete.day = test.day and to_delete.min_id test.id )如何查找多列上的重复行

有人最近问到这样的问题：我的一个表上有两个字段b和c，分别关联到其他两个表的b和c字段。我想要找出在b字段或者c字段上具有重复值的行。

咋看很难明白，通过对话后我理解了：他想要对b和c分别创建unique索引。如上所述，查找在某一字段上具有重复值的行很简单，只要用group分组，然后计算组的大小。并且查找全部字段重复的行也很简单，只要把所有字段放到group子句。但如果是判断b字段重复或者c字段重复，问题困难得多。这里提问者用到的样本数据

create table a_b_c( a int not null primary key auto_increment, b int, c int);ｉｎｓｅｒｔ into a_b_c(b,c) values (1, 1);ｉｎｓｅｒｔ into a_b_c(b,c) values (1, 2);ｉｎｓｅｒｔ into a_b_c(b,c) values (1, 3);ｉｎｓｅｒｔ into a_b_c(b,c) values (2, 1);ｉｎｓｅｒｔ into a_b_c(b,c) values (2, 2);ｉｎｓｅｒｔ into a_b_c(b,c) values (2, 3);ｉｎｓｅｒｔ into a_b_c(b,c) values (3, 1);ｉｎｓｅｒｔ into a_b_c(b,c) values (3, 2);ｉｎｓｅｒｔ into a_b_c(b,c) values (3, 3);

现在，你可以轻易看到表里面有一些重复的行，但找不到两行具有相同的二元组{b, c}。这就是为什么问题会变得困难了。

错误的查询语句

如果把两列放在一起分组，你会得到不同的结果，具体看如何分组和计算大小。提问者恰恰是困在了这里。有时候查询语句找到一些重复行却漏了其他的。这是他用到了查询

ｓｅｌｅｃｔ b, c, count(*) from a_b_cgroup by b, chaving count(distinct b > 1) or count(distinct c > 1);

结果返回所有的行，因为CONT(*)总是1.为什么？因为 >1 写在COUNT()里面。这个错误很容易被忽略，事实上等效于

ｓｅｌｅｃｔ b, c, count(*) from a_b_cgroup by b, chaving count(1) or count(1);

为什么？因为(b > 1)是一个布尔值，根本不是你想要的结果。你要的是

ｓｅｌｅｃｔ b, c, count(*) from a_b_cgroup by b, chaving count(distinct b) > 1 or count(distinct c) > 1;

返回空结果。很显然，因为没有重复的{b,c}。这人试了很多其他的OR和AND的组合，用来分组的是一个字段，计算大小的是另一个字段，像这样

ｓｅｌｅｃｔ b, count(*) from a_b_c group by b having count(distinct c) > 1;+------+----------+| b | count(*) |+------+----------+| 1 | 3 || 2 | 3 || 3 | 3 |+------+----------+

没有一个能够找出全部的重复行。而且最令人沮丧的是，对于某些情况，这种语句是有效的，如果错误地以为就是这么写法，然而对于另外的情况，很可能得到错误结果。

事实上，单纯用GROUP BY 是不可行的。为什么？因为当你对某一字段使用group by时，就会把另一字段的值分散到不同的分组里。对这些字段排序可以看到这些效果，正如分组做的那样。首先，对b字段排序，看看它是如何分组的

当你对b字段排序（分组），相同值的c被分到不同的组，因此不能用COUNT(DISTINCT c)来计算大小。COUNT()之类的内部函数只作用于同一个分组，对于不同分组的行就无能为力了。类似，如果排序的是c字段，相同值的b也会分到不同的组，无论如何是不能达到我们的目的的。

几种正确的方法

也许最简单的方法是分别对某个字段查找重复行，然后用UNION拼在一起，像这样：

ｓｅｌｅｃｔ b as value, count(*) as cnt, ‘b‘ as what_colfrom a_b_c group by b having count(*) > 1unionselect c as value, count(*) as cnt, ‘c‘ as what_colfrom a_b_c group by c having count(*) > 1;+-------+-----+----------+| value | cnt | what_col |+-------+-----+----------+| 1 | 3 | b || 2 | 3 | b || 3 | 3 | b || 1 | 3 | c || 2 | 3 | c || 3 | 3 | c |+-------+-----+----------+

输出what_col字段为了提示重复的是哪个字段。另一个办法是使用嵌套查询：

ｓｅｌｅｃｔ a, b, c from a_b_cwhere b in (ｓｅｌｅｃｔ b from a_b_c group by b having count(*) > 1) or c in (ｓｅｌｅｃｔ c from a_b_c group by c having count(*) > 1);+----+------+------+| a | b | c |+----+------+------+| 7 | 1 | 1 || 8 | 1 | 2 || 9 | 1 | 3 || 10 | 2 | 1 || 11 | 2 | 2 || 12 | 2 | 3 || 13 | 3 | 1 || 14 | 3 | 2 || 15 | 3 | 3 |+----+------+------+

这种方法的效率要比使用UNION低许多，并且显示每一重复的行，而不是重复的字段值。还有一种方法，将自己跟group的嵌套查询结果联表查询。写法比较复杂，但对于复杂的数据或者对效率有较高要求的情况，是很有必要的。

ｓｅｌｅｃｔ a, a_b_c.b, a_b_c.cfrom a_b_c left outer join ( ｓｅｌｅｃｔ b from a_b_c group by b having count(*) > 1 ) as b on a_b_c.b = b.b left outer join ( ｓｅｌｅｃｔ c from a_b_c group by c having count(*) > 1 ) as c on a_b_c.c = c.cwhere b.b is not null or c.c is not null

以上方法可行，我敢肯定还有其他的方法。如果UNION能用，我想会是最简单不过的了。

来源：http://t.cn/EJlk3vT

搜索微信号（ID：芋道源码），可以获得各种 Java 源码解析。

并且，回复【书籍】后，可以领取笔者推荐的各种 Java 从入门到架构的书籍。

来吧，骚年~