文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

SQL 中查找重复数据的四种方法

2024-11-29 18:13

关注

一、重复数据的存在会导致什么问题?

数据库中的重复数据是一个常见问题,可能对数据完整性、存储效率和整体系统性能产生重大影响。重复数据的存在可能导致以下几个问题。

识别和管理重复行对于维护干净、高效和可靠的数据库至关重要。在本篇文章将探讨查找重复行的各种SQL技术,让您迈出提高数据质量和数据库性能的第一步。

二、在SQL中查找重复数据

首先创建并插入一些数据。

CREATE TABLE employees (
   id INT,
   first_name VARCHAR(50),
   last_name VARCHAR(50),
   email VARCHAR(100),
   department VARCHAR(50)
);

INSERT INTO employees VALUES
(1, 'John', 'Doe', 'john.doe@example.com', 'Sales'),
(2, 'Jane', 'Smith', 'jane.smith@example.com', 'Marketing'),
(3, 'Bob', 'Johnson', 'bob.johnson@example.com', 'IT'),
(4, 'Alice', 'Williams', 'alice.williams@example.com', 'HR'),
(5, 'John', 'Doe', 'john.doe@example.com', 'Sales'),
(6, 'Sarah', 'Brown', 'sarah.brown@example.com', 'Marketing'),
(7, 'Bob', 'Johnson', 'bob.johnson@example.com', 'IT');

2.1 使用GROUP BY和HAVING 💻

使用GROUP BY和HAVING子句可以高效地识别SQL中的重复行。这种方法通过分组相同值的行,然后筛选出包含多条记录的组,从而找出表中的重复项。

WITH cte AS (
  SELECT *,
        ROW_NUMBER() OVER (
            PARTITION BY first_name,last_name,email,department
            ORDER BY id
            )AS rn
  FROM employees
  )
SELECT *
FROM cte
WHERE rn>1;

2.2 使用窗口函数 💻

窗口函数是SQL识别重复行的高效工具,尤其在处理大量数据时。它们允许计算当前行及其相关行,提供灵活分析手段。例如ROW_NUMBER() 这样的窗口函数可能更有效。

SELECT DISTINCT t1.*
FROM employees t1 
INNER JOIN employees t2 ON 
 t1.first_name = t2.first_name AND 
 t1.last_name = t2.last_name AND
 t1.email = t2.email AND
 t1.department = t2.department AND
 t1.id > t2.id;

接下来的两种方法需要至少一个唯一标识符,本文将在示例后解释。

2.3 使用窗口函数 💻

SQL 中的EXISTS操作符提供了另一种检查满足特定条件的行是否存在的方法,这使得其在识别重复数据时特别有用。该方法在处理复杂条件时可能比某些替代方案更高效。

SELECT t1.*
FROM employees t1
WHERE EXISTS (
    SELECT 1 
    FROM employees t2
    WHERE t1.first_name = t2.first_name AND 
          t1.last_name = t2.last_name AND
          t1.email = t2.email AND
          t1.department = t2.department
          AND t1.id > t2.id
);

2.4 使用自连接 💻

自连接是另一种强大的SQL技术,允许一个表与自身连接,使其在查找重复行时特别有用。该方法将每一行与同一表中的每一行比较,使我们能够识别在指定列中具有相同值的记录。

SELECT DISTINCT t1.*
FROM employees t1
INNER JOIN employees t2 ON 
 t1.first_name = t2.first_name AND 
 t1.last_name = t2.last_name AND
 t1.email = t2.email AND
 t1.department = t2.department AND
 t1.id > t2.id;

三、唯一标识符与大表优化

唯一标识符的必要性

唯一标识符的目的

数据表较大时可考虑的优化技术

对于非常大的表,考虑使用批处理或并行查询执行(如果您的数据库系统支持)。有效方法将取决于特定数据库系统、表结构和数据分布。可测试多种方法,以找到适合特定用例的最佳方案。

四、删除重复行

让我们看看如何从表中的完全重复项中删除行,可使用公共表表达式(CTE)和ROW_NUMBER() 函数的组合。

WITH CTE AS (
    SELECT *,
           ROW_NUMBER() OVER (
               PARTITION BY first_name, last_name, email, department -- 列出定义重复的所有列
               ORDER BY id -- 最好是主键或唯一标识符
           ) AS rn
    FROM employees
)
DELETE FROM CTE WHERE rn > 1;

SELECT * FROM employees;

工作原理

来源:Python学研大本营内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯