mysql 去重保留最新的一条记录 mysql去重复 保留一条最大

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：

单个字段的操作
这是数据库中的表：

分组：

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

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)
删除全部重复试题：
将上面的查询select改为delete（这样会出错的）

DELETE
 FROM
     dept
 WHERE
     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。

 

查询表中多余重复试题（根据depno来判断，除了rowid最小的一个）
第一种方法：

SELECT
     *
 FROM
     dept
 WHERE
     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：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
     dept
 WHERE
     deptno NOT IN (
         SELECT
             dt.minno
         FROM
             (
                 SELECT
                     MIN(deptno) AS minno
                 FROM
                     dept
                 GROUP BY
                     dname
             ) dt
     )
 删除表中多余重复试题并且只留1条：
 第一种方法：DELETE
 FROM
     dept
 WHERE
     dname IN (
         SELECT
             t.dname
         FROM
             (
                 SELECT
                     dname
                 FROM
                     dept
                 GROUP BY
                     dname
                 HAVING
                     count(1) > 1
             ) t
     )
 AND deptno NOT IN (
 SELECT
     dt.mindeptno
 FROM
     (
         SELECT
             min(deptno) AS mindeptno
         FROM
             dept
         GROUP BY
             dname
         HAVING
             count(1) > 1
     ) dt
 )
 ☆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）：DELETE
 FROM
     dept
 WHERE
     deptno NOT IN (
         SELECT
             dt.minno
         FROM
             (
                 SELECT
                     MIN(deptno) AS minno
                 FROM
                     dept
                 GROUP BY
                     dname
             ) dt
     )
 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。DELETE
 FROM
     dept
 WHERE
     (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