（转）如何实现删除重复记录并且只保留一条？

最近，在做题库系统，由于在题库中添加了重复的试题，所以需要查询出重复的试题，并且删除掉重复的试题只保留其中1条，以保证考试的时候抽不到重复的题。

首先写了一个小的例子：

一、单个字段的操作

这是数据库中的表：

分组介绍

Select 重复字段 From 表 Group By 重复字段 Having Count(*)>1

查看是否有重复的数据：

GROUP BY <列名序列>
HAVING <组条件表达式>

查询出：根据dname分组，同时满足having字句中组条件表达式（重复次数大于1）的那些组
count(*)与count(1) 其实没有什么差别，用哪个都可以
count(*)与count（列名）的区别：

count(*)将返回表格中所有存在的行的总数包括值为null的行，然而count(列名)将返回表格中除去null以外的所有行的总数(有默认值的列也会被计入）。

1. 查询全部重复的数据

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)

2. 删除全部重复试题

将上面的查询select改为delete（这样会出错的）

DELETEFROM deptWHERE dname IN (  SELECT   dname  FROM   dept  GROUP BY   dname  HAVING   count(1) > 1 )

会出现如下错误：[Err] 1093 - You can't specify target table 'dept' for update in FROM clause

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做为一个第三方表，然后筛选更新。

3. 查询表中多余重复试题（根据depno来判断，除了rowid最小的一个）

a. 第一种方法

SELECT *FROM deptWHERE dname IN (  SELECT   dname  FROM   dept  GROUP BY   dname  HAVING   COUNT(1) > 1 )AND deptno NOT IN ( SELECT  MIN(deptno) FROM  dept GROUP BY  dname HAVING  COUNT(1) > 1)

上面这种写法正确，但是查询的速度太慢，可以试一下下面这种方法：

b. 第二种方法

根据dname分组，查找出deptno最小的。然后再查找deptno不包含刚才查出来的。这样就查询出了所有的重复数据（除了deptno最小的那行）。

SELECT *FROM deptWHERE deptno NOT IN (  SELECT   dt.minno  FROM   (    SELECT     MIN(deptno) AS minno    FROM     dept    GROUP BY     dname   ) dt )

补充第三种方法

SELECT * FROM table_name AS ta WHERE ta.唯一键 <> ( SELECT max( tb.唯一键 ) FROM table_name AS tb WHERE ta.判断重复的列 = tb.判断重复的列 );

4. 删除表中多余重复试题并且只留1条

a. 第一种方法

DELETEFROM deptWHERE dname IN (  SELECT   t.dname  FROM   (    SELECT     dname    FROM     dept    GROUP BY     dname    HAVING     count(1) > 1   ) t )AND deptno NOT IN (SELECT dt.mindeptnoFROM (  SELECT   min(deptno) AS mindeptno  FROM   dept  GROUP BY   dname  HAVING   count(1) > 1 ) dt)

b. 第二种方法（与上面查询的第二种方法对应，只是将select改为delete）

DELETEFROM deptWHERE deptno NOT IN (  SELECT   dt.minno  FROM   (    SELECT     MIN(deptno) AS minno    FROM     dept    GROUP BY     dname   ) dt )

c. 补充第三种方法（评论区推荐的一种方法）

DELETE FROM table_name AS ta WHERE ta.唯一键 <> (SELECT t.maxid FROM ( SELECT max( tb.唯一键 ) AS maxid FROM table_name AS tb WHERE ta.判断重复的列 = tb.判断重复的列 ) t  );

二、多个字段的操作

单个字段的如果会了，多个字段也非常简单。就是将group by 的字段增加为你想要的即可。
此处只写一个，其他方法请仿照一个字段的写即可。

DELETEFROM deptWHERE (dname, db_source) IN (  SELECT   t.dname,   t.db_source  FROM   (    SELECT     dname,     db_source    FROM     dept    GROUP BY     dname,     db_source    HAVING     count(1) > 1   ) t )AND deptno NOT IN ( SELECT  dt.mindeptno FROM  (   SELECT    min(deptno) AS mindeptno   FROM    dept   GROUP BY    dname,    db_source   HAVING    count(1) > 1  ) dt)

# 总结

其实上面的方法还有很多需要优化的地方，如果数据量太大的话，执行起来很慢，可以考虑加优化一下：

在经常查询的字段上加上索引
将*改为你需要查询出来的字段，不要全部查询出来
小表驱动大表用IN，大表驱动小表用EXISTS。IN适合的情况是外表数据量小的情况，而不是外表数据大的情况，因为IN会遍历外表的全部数据，假设a表100条，b表10000条那么遍历次数就是100*10000次，而exists则是执行100次去判断a表中的数据是否在b表中存在，它只执行了a.length次数。至于哪一个效率高是要看情况的，因为in是在内存中比较的，而exists则是进行数据库查询操作的。

来自 <https://mp.weixin.qq.com/s?__biz=MzI1NTI3MzEwMg==&mid=2247497581&idx=2&sn=f1d83404321df1202b1cfaf6b3ca70eb&key=e8cdb0d2f3a598d60d8f4f005d6dd966a56addae5fa4dd6c0b3f3fc907959b04762d494aacd2f783b206f946a6894dd8c3acff4e60b4b634543acf3bf70a259fffb432716b98ff786e6e550b38e9c1bbe6543105c645f6ec0f0244778d28621bff9fc1178da2a61a5990fc6cd4459778a007c418073cf9b4913b0b0bc2a20cf9&ascene=1&uin=MTEyNDIwNzM3MA%3D%3D&devicetype=Windows+10+x64&version=63010029&lang=zh_CN&exportkey=AesyJEKNbu7D%2FKWNHQGaoaQ%3D&pass_ticket=tEi2ohlq0ahox6Bs49O0AGREVr01MTVxNfokqrf65rvJAfZO%2BuOWrYWIPPGA8XEB&wx_header=0&fontgear=2>

来自