详细分析Mysql去重的几种方法（附Demo）

目录

前言

在MySQL中，SELECT DISTINCT 和 GROUP BY 可以用来去除重复记录，二者有相似的功能，但在某些情况下有所不同

1. DISTINCT

SELECT DISTINCT 用于从表中选择唯一的记录，去除所有重复的数据行

直接作用于结果集，并去除所有指定列上的重复值

SELECTDISTINCT equipment_no
FROM equipment_check_order;

在单列去重的场景下，效率较高。但是在处理大数据集时，可能会影响性能，因为需要全表扫描和去重

2. GROUP BY

GROUP BY 用于将具有相同值的记录分组，并可以进行聚合操作

即使不使用聚合函数，仅使用 GROUP BY 也可以达到去重的效果

SELECT equipment_no
FROM equipment_check_order
GROUPBY equipment_no;

3. Mysql版本

3.1 低版本

在不支持窗口函数的 MySQL 版本中，可以使用子查询来进行去重

假设希望去除 equipment_check_order 表中的重复 equipment_no，并保留每个 equipment_no 的最新记录，可以使用子查询的方式来实现

-- 创建目标表CREATETABLEIFNOTEXISTS deduplicated_orders (
    equipment_no VARCHAR(255),
    check_date DATE,PRIMARYKEY(equipment_no, check_date));-- 将去重后的数据插入到目标表INSERTINTO deduplicated_orders (equipment_no, check_date)SELECT equipment_no, check_date
FROM equipment_check_order AS e
WHERE check_date =(SELECTMAX(check_date)FROM equipment_check_order
    WHERE equipment_no = e.equipment_no
);

或者使用自联拼接的方式:

-- 创建目标表CREATETABLEIFNOTEXISTS deduplicated_orders (
    equipment_no VARCHAR(255),
    check_date DATE,PRIMARYKEY(equipment_no, check_date));-- 使用自联接将去重后的数据插入到目标表INSERTINTO deduplicated_orders (equipment_no, check_date)SELECT e1.equipment_no, e1.check_date
FROM equipment_check_order e1
LEFTJOIN equipment_check_order e2
ON e1.equipment_no = e2.equipment_no
AND e1.check_date < e2.check_date
WHERE e2.check_date ISNULL;

3.2 高版本

使用 ROW_NUMBER() 和 WITH 子句进行去重

基本步骤：

• 定义公共表表达式（CTE）： 使用 WITH 子句创建一个临时结果集
• 应用 ROW_NUMBER() 函数： 在 CTE 内部为每一行分配唯一的行号
• 选择需要的记录： 在外层查询中，根据行号筛选出需要的记录

示例：保留每个 equipment_no 的最新记录
假设有一个表 equipment_check_order，包含 equipment_no 和 check_date 列，希望去除重复的 equipment_no，并保留每个 equipment_no 的最新记录（即 check_date 最大的记录）

-- 创建目标表（如果不存在）CREATETABLEIFNOTEXISTS deduplicated_orders (
    equipment_no VARCHAR(255),
    check_date DATE,PRIMARYKEY(equipment_no, check_date));-- 使用 CTE 和 ROW_NUMBER() 进行去重WITH ranked AS(SELECT equipment_no,
         check_date,
         ROW_NUMBER()OVER(PARTITIONBY equipment_no ORDERBY check_date DESC)AS rn
  FROM equipment_check_order
)INSERTINTO deduplicated_orders (equipment_no, check_date)SELECT equipment_no, check_date
FROM ranked
WHERE rn =1;

• PARTITION BY equipment_no：根据 equipment_no 列进行分组
• SELECT equipment_no, check_date FROM ranked WHERE rn = 1：从 CTE ranked 中选择行号为 1 的记录，即每个分组中最新的记录，如果为小于5，代表去重并保留多条记录

4. 总结

方法用法示例优点缺点适用场景SELECT DISTINCTSELECT DISTINCT equipment_no FROM equipment_check_order;简单易用，直观对大数据集性能影响可能较大单列去重，简单查询GROUP BYSELECT equipment_no FROM equipment_check_order GROUP BY equipment_no;灵活，与聚合函数结合使用方便语法复杂，对性能影响与数据量有关复杂查询或需要与聚合函数结合使用的场景子查询 + ROW_NUMBER()高灵活性，可选择特定记录需使用窗口函数，语法复杂高级去重，保留特定记录临时表适合复杂数据处理，多步骤数据操作操作步骤多，占用额外存储空间数据清理、迁移，复杂操作