本文由 简悦 SimpRead 转码， 原文地址 blog.csdn.net

**
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）

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。

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
    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：

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
    dept
WHERE
    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（根据评论区给的删除总结出来的）：

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：

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
)

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）：

DELETE
FROM
    dept
WHERE
    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。

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

本人小菜一枚，有什么写的不妥的地方，欢迎大家指教！

我会不定期的看评论，也会根据大家的指点来修改博客不妥的地方！

各位读者有什么好的方法，或者想法欢迎评论区留言。。。