内容摘要：加班原因是上线，解决线上数据库存在重复数据的问题，发现了程序的bug，很好解决，有点问题的是，修正线上的重复数据。线上库有6个表存在重复数据，其中2个表比较大，一个96万+、一个30万+，因为之前处理

 加班原因是批量上线，解决线上数据库存在重复数据的插入问题，发现了程序的何过bug，很好解决，滤掉有点问题的重复是，修正线上的数据重复数据。

线上库有6个表存在重复数据，批量其中2个表比较大，插入一个96万+、何过一个30万+，滤掉因为之前处理过相同的重复问题，就直接拿来了上次的数据Python去重脚本，脚本很简单，批量就是插入连接数据库，查出来重复数据，何过循环删除。

emmmm，但是这个效率嘛，实在是太低了，1秒一条，重复数据大约2万+，预估时间大约在8个小时左右。。网站模板。

盲目依靠前人的东西，而不去自己思考是有问题的！总去想之前怎么可以，现在怎么不行了，这也是有问题的！我发现，最近确实状态不太对，失去了探索和求知的欲望，今天算是一个警醒，颇有迷途知返的感觉。

言归正传，下面详细介绍去重步骤。 

CREATE TABLE `animal` (    `id` int(11) NOT NULL AUTO_INCREMENT,    `name` varchar(20) DEFAULT NULL,    `age` int(11) DEFAULT NULL,    PRIMARY KEY (`id`)  ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COLLATE=utf8_bin;  INSERT INTO `pilipa_dds`.`student` (`id`, `name`, `age`) VALUES (1, cat, 12);  INSERT INTO `pilipa_dds`.`student` (`id`, `name`, `age`) VALUES (2, dog, 13);  INSERT INTO `pilipa_dds`.`student` (`id`, `name`, `age`) VALUES (3, camel, 25);  INSERT INTO `pilipa_dds`.`student` (`id`, `name`, `age`) VALUES (4, cat, 32);  INSERT INTO `pilipa_dds`.`student` (`id`, `name`, `age`) VALUES (5, dog, 42);

目标：我们要去掉name相同的数据。

先看看哪些数据重复了 

SELECT name,count( 1 )   FROM   student   GROUP BY  NAME   HAVING   count( 1 ) > 1; 

输出：

name count(1) cat 2 dog 2

name为cat和dog的数据重复了，每个重复的数据有两条；

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)>1)

删除全部重复数据，一条不留

直接删除会报错 

DELETE   FROM   student   WHERE   NAME IN (   SELECT NAME    FROM    student    GROUP BY   NAME   HAVING   count( 1 ) > 1) 

报错：

1093 - You cant specify target table student for update in FROM clause, Time: 0.016000s

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。源码下载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。

DELETE   FROM   student   WHERE   NAME IN (   SELECT    t.NAME   FROM   ( SELECT NAME FROM student GROUP BY NAME HAVING count( 1 ) > 1 ) t) 

删除表中删除重复数据，仅保留一条

在删除之前，我们可以先查一下，我们要删除的重复数据是啥样的 

SELECT   *   FROM   student   WHERE   id NOT IN (   SELECT    t.id    FROM   ( SELECT MIN( id ) AS id FROM student GROUP BY `name` ) t    )

啥意思呢，就是先通过name分组，查出id最小的数据，这些数据就是我们要留下的火种，那么再查询出id不在这里面的，就是我们要删除的重复数据。另外，关注Java知音公众号，回复“后端面试”，送你一份面试题宝典！

开始删除重复数据，仅留一条

很简单，刚才的select换成delete即可 

DELETE   FROM   student   WHERE   id NOT IN (   SELECT    t.id    FROM   ( SELECT MIN( id ) AS id FROM student GROUP BY `name` ) t    )

90万+的表执行起来超级快。

All done  

站群服务器