百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术文章 > 正文

巧用MySQL窗口函数删除重复数据(mysql数据库删除重复记录)

nanshan 2025-04-30 18:32 21 浏览 0 评论

MySQL 去重删除:如何删除重复数据并保留最新记录

引言

在数据库的日常维护中或者在平时的开发过程中,由于操作失误或设计缺陷,可能会导致数据表中出现重复记录。如果这些数据没有主键约束或唯一索引,数据库不会自动防止重复数据的插入。这种情况不仅影响数据的准确性,还可能影响查询性能。

本文将介绍一种高效的方法来删除 MySQL 表中的重复数据,并保留每组数据中 updated_at 最新的那一条记录。我们以 user_life_targets 这张表为例,详细讲解如何使用 SQL 解决这个问题。

问题描述

假设有如下表 user_life_targets,其结构如下:

CREATE TABLE `user_life_targets` (
  `id` bigint NOT NULL,
  `user_id` bigint NOT NULL DEFAULT '0',
  `life_id` bigint NOT NULL DEFAULT '0',
  `task_id` bigint NOT NULL DEFAULT '0',
  `updated_at` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  PRIMARY KEY (`id`),
  KEY `idx_u_l_t` (`user_id`,`life_id`,`task_id`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

由于某些原因,该表中可能出现了重复的 user_id, life_id, task_id 组合的数据,我们需要删除这些重复数据,并且 保留 updated_at 最新的那条记录

解决方案

1. 使用 ROW_NUMBER() 窗口函数进行去重

MySQL 8.0 及以上版本支持 ROW_NUMBER() 窗口函数,我们可以利用它为重复数据编号,并删除 updated_at 不是最新的记录。

SQL 实现:

WITH ranked_targets AS (
    SELECT 
        id,
        user_id,
        life_id,
        task_id,
        updated_at,
        ROW_NUMBER() OVER (PARTITION BY user_id, life_id, task_id ORDER BY updated_at DESC) AS rn
    FROM `user_life_targets`
)
DELETE FROM `user_life_targets`
WHERE id IN (
    SELECT id FROM ranked_targets WHERE rn > 1
);

2. 解析 SQL 逻辑

步骤解析

  1. 创建临时数据集 ranked_targets
  2. ROW_NUMBER() OVER (PARTITION BY user_id, life_id, task_id ORDER BY updated_at DESC)
  3. 这个函数会按照 (user_id, life_id, task_id) 进行分组,并且按照 updated_at 降序排序。
  4. ROW_NUMBER() 给每组数据分配唯一的编号,最新的数据编号为 1。
  5. 删除重复数据
  6. 通过 DELETE 语句,删除 ranked_targets 中 rn > 1 的数据,只保留 rn = 1 的记录(即 updated_at 最新的记录)。

适用于 MySQL 5.7 及以下版本的方法

如果你的 MySQL 版本不支持 WITH 语法(即 MySQL 8.0 以下版本),可以使用 DELETE + 子查询的方式删除数据:

DELETE FROM user_life_targets 
WHERE id NOT IN (
    SELECT id FROM (
        SELECT id FROM user_life_targets t1
        WHERE updated_at = (
            SELECT MAX(updated_at) 
            FROM user_life_targets t2
            WHERE t1.user_id = t2.user_id AND t1.life_id = t2.life_id AND t1.task_id = t2.task_id
        )
    ) AS latest_records
);

解释

  • 通过子查询 SELECT MAX(updated_at) 找到相同 (user_id, life_id, task_id) 组合中最新的 updated_at 记录。
  • 外层 DELETE 语句删除不在最新记录列表中的数据。
  • 由于 MySQL 5.7 及以下不允许在 DELETE 语句中直接使用 JOIN,因此使用子查询方式删除。

性能优化建议

  1. 创建合适的索引
  2. 确保 (user_id, life_id, task_id, updated_at) 上有索引,提高查询效率。
  3. 例如: CREATE INDEX idx_user_life_task ON user_life_targets(user_id, life_id, task_id, updated_at);
  4. 避免 IN 过大
  5. DELETE FROM ... WHERE id NOT IN (...) 在大数据量下可能会较慢。
  6. 如果数据量特别大,可以考虑使用临时表存储要保留的 id,然后使用 DELETE JOIN 方式删除。
  7. 备份数据
  8. 在执行 DELETE 之前,建议先进行数据备份,防止误删。
  9. 备份方式: CREATE TABLE backup_user_life_targets AS SELECT * FROM user_life_targets;

结论

本篇文章介绍了如何在 MySQL 中删除重复数据,并保留 updated_at 最新的一条记录。

方法总结:

  • MySQL 8.0 及以上 推荐使用 ROW_NUMBER() 窗口函数。
  • MySQL 5.7 及以下 版本可以使用 DELETE + 子查询方式。
  • 在执行 DELETE 之前,建议先进行数据备份。

希望本篇文章能帮助你在实际项目中高效管理数据库数据,避免数据冗余导致的问题!

相关推荐

使用nginx配置域名及禁止直接通过IP访问网站

前段时间刚搭建好这个网站,一直没有关注一个问题,那就是IP地址也可以访问我的网站,今天就专门研究了一下nginx配置问题,争取把这个问题研究透彻。1.nginx配置域名及禁止直接通过IP访问先来看n...

如何在 Linux 中使用 PID 号查找进程名称?

在Linux的复杂世界中,进程是系统运行的核心,每个进程都由一个唯一的「进程ID」(PID)标识。无论是系统管理员在排查失控进程,还是开发者在调试应用程序,知道如何将PID映射到对应的进程名称都是一项...

Linux服务器硬件信息查询与日常运维命令总结

1.服务器硬件信息查询1.1CPU信息查询命令功能描述示例lscpu显示CPU架构、核心数、线程数等lscpucat/proc/cpuinfo详细CPU信息(型号、缓存、频率)cat/proc/c...

Ubuntu 操作系统常用命令详解(ubuntu常用的50个命令)

UbuntuLinux是一款流行的开源操作系统,广泛应用于服务器、开发、学习等场景。命令行是Ubuntu的灵魂,也是高效、稳定管理系统的利器。本文按照各大常用领域,详细总结Ubuntu必学...

从 0 到 1:打造基于 Linux 的私有 API 网关平台

在当今微服务架构盛行的时代,API网关作为服务入口和安全屏障,其重要性日益凸显。你是否想过,不依赖商业方案,完全基于开源组件,在Linux上构建一个属于自己的私有API网关平台?今天就带你...

Nginx搭建简单直播服务器(nginx 直播服务器搭建)

前言使用Nginx+Nginx-rtmp-module在Ubuntu中搭建简单的rtmp推流直播服务器。服务器环境Ubuntu16.04相关概念RTMP:RTMP协议是RealTi...

Linux连不上网?远程卡?这篇网络管理指南你不能错过!

大家好!今天咱们聊个所有Linux用户都躲不开的“老大难”——网络管理。我猜你肯定遇到过这些崩溃时刻:新装的Linux系统连不上Wi-Fi,急得直拍桌子;远程服务器SSH连不上,提示“Connecti...

7天从0到上线!手把手教你用Python Flask打造爆款Web服务

一、为什么全网开发者都在疯学Flask?在当今Web开发的战场,Flask就像一把“瑞士军刀”——轻量级架构让新手3天速成,灵活扩展能力又能支撑百万级用户项目!对比Django的“重型装甲”,Flas...

nginx配置文件详解(nginx反向代理配置详解)

Nginx是一个强大的免费开源的HTTP服务器和反向代理服务器。在Web开发项目中,nginx常用作为静态文件服务器处理静态文件,并负责将动态请求转发至应用服务器(如Django,Flask,et...

30 分钟搞定 Docker 安装与 Nginx 部署,轻松搭建高效 Web 服务

在云计算时代,利用容器技术快速部署应用已成为开发者必备技能。本文将手把手教你在阿里云轻量应用服务器上,通过Docker高效部署Nginx并发布静态网站,全程可视化操作,新手也能轻松上手!一、准...

Nginx 配置实战:从摸鱼到部署,手把手教你搞定生产级配置

各位摸鱼搭子们!今天咱不聊代码里的NullPointerException,改聊点「摸鱼必备生存技能」——Nginx配置!先灵魂拷问一下:写了一堆接口却不会部署?服务器被恶意请求打崩过?静态资源加载...

如何使用 Daphne + Nginx + supervisor部署 Django

前言:从Django3.0开始支持ASGI应用程序运行,使Django完全具有异步功能。Django目前已经更新到5.0,对异步支持也越来越好。但是,异步功能将仅对在ASGI下运行的应用程序可用...

Docker命令最全详解(39个最常用命令)

Docker是云原生的核心,也是大厂的必备技能,下面我就全面来详解Docker核心命令@mikechen本文作者:陈睿|mikechen文章来源:mikechen.cc一、Docker基本命令doc...

ubuntu中如何查看是否已经安装了nginx

在Ubuntu系统中,可以通过以下几种方法检查是否已安装Nginx:方法1:使用dpkg命令(适用于Debian/Ubuntu)bashdpkg-l|grepnginx输出...

OVN 概念与实践(德育概念的泛化在理论和实践中有什么弊端?)

今天我们来讲解OVN的概念和基础实践,要理解本篇博客的内容,需要前置学习:Linux网络设备-Bridge&VethPairLinux网络设备-Bridge详解OVS+Fa...

取消回复欢迎 发表评论: