从相当大的SQL Server表（即 300,000+ 行）中删除重复行的最佳方法是什么？
RowID当然，由于标识字段的存在，这些行不会是完美的重复。
我的表
RowID int not null identity(1,1) primary key,
Col1 varchar(20) not null,
Col2 varchar(2048) not null,
Col3 tinyint not null
Terrapin
问问题
1316283 次
41 回答
1178
假设没有空值，您GROUP BY将使用唯一列，并将SELECTRowIdMIN (or MAX)作为要保留的行。然后，只需删除没有行 id 的所有内容：
DELETE FROM MyTable
LEFT OUTER JOIN (
SELECT MIN(RowId) as RowId, Col1, Col2, Col3
FROM MyTable
GROUP BY Col1, Col2, Col3
) as KeepRows ON
MyTable.RowId = KeepRows.RowId
WHERE
KeepRows.RowId IS NULL
如果您有 GUID 而不是整数，则可以替换
MIN(RowId)
和
CONVERT(uniqueidentifier, MIN(CONVERT(char(36), MyGuidColumn)))
于 2008-08-20T22:00:00.667 回答
784
另一种可能的方法是
;
--Ensure that any immediately preceding statement is terminated with a semicolon above
WITH cte
AS (SELECT ROW_NUMBER() OVER (PARTITION BY Col1, Col2, Col3
ORDER BY ( SELECT 0)) RN
FROM #MyTable)
DELETE FROM cte
WHERE RN > 1;
我在ORDER BY (SELECT 0)上面使用，因为在出现平局时保留哪一行是任意的。
例如，要按RowID顺序保留最新的，您可以使用ORDER BY RowID DESC
执行计划
执行计划通常比公认答案中的执行计划更简单、更有效，因为它不需要自联接。
然而，情况并非总是如此。GROUP BY可能首选解决方案的一个地方是选择哈希聚合而不是流聚合的情况。
该ROW_NUMBER解决方案将始终提供几乎相同的计划，而GROUP BY策略则更加灵活。
可能有利于散列聚合方法的因素是
- 分区列上没有有用的索引
- 相对较少的组，每组中的重复项相对较多
在第二种情况的极端版本中（如果每个组中都有很多重复项的组非常少），也可以考虑简单地插入行以保留到新表中，然后TRUNCATE- 将原始行复制回去以最小化日志记录，而不是删除一个行的比例非常高。
于 2010-09-29T14:52:32.317 回答
154
Microsoft 支持网站上有一篇关于删除重复项的好文章。这是相当保守的——他们让你在单独的步骤中完成所有事情——但它应该适用于大桌子。
我过去曾使用自联接来执行此操作，尽管它可能会被 HAVING 子句修饰：
DELETE dupes
FROM MyTable dupes, MyTable fullTable
WHERE dupes.dupField = fullTable.dupField
AND dupes.secondDupField = fullTable.secondDupField
AND dupes.uniqueField > fullTable.uniqueField
于 2008-08-20T21:53:14.940 回答
100
以下查询对于删除重复行很有用。此示例中的表具有ID标识列，具有重复数据的列Column1是Column2和Column3。
DELETE FROM TableName
WHERE ID NOT IN (SELECT MAX(ID)
FROM TableName
GROUP BY Column1,
Column2,
Column3
/*Even if ID is not null-able SQL Server treats MAX(ID) as potentially
nullable. Because of semantics of NOT IN (NULL) including the clause
below can simplify the plan*/
HAVING MAX(ID) IS NOT NULL)
以下脚本显示GROUP BY, HAVING,ORDER BY在一个查询中的用法，并返回包含重复列及其计数的结果。
SELECT YourColumnName,
COUNT(*) TotalCount
FROM YourTableName
GROUP BY YourColumnName
HAVING COUNT(*) > 1
ORDER BY COUNT(*) DESC
于 2011-11-23T15:32:19.247 回答
69
delete t1
from table t1, table t2
where t1.columnA = t2.columnA
and t1.rowid>t2.rowid
Postgres：
delete
from table t1
using table t2
where t1.columnA = t2.columnA
and t1.rowid > t2.rowid
于 2010-09-30T02:35:06.353 回答
46
DELETE LU
FROM (SELECT *,
Row_number()
OVER (
partition BY col1, col1, col3
ORDER BY rowid DESC) [Row]
FROM mytable) LU
WHERE [row] > 1
于 2014-05-21T07:54:47.127 回答
41
这将删除重复的行，除了第一行
DELETE
FROM
Mytable
WHERE
RowID NOT IN (
SELECT
MIN(RowID)
FROM
Mytable
GROUP BY
Col1,
Col2,
Col3
)
参考（http://www.codeproject.com/Articles/157977/Remove-Duplicate-Rows-from-a-Table-in-SQL-Server）
于 2013-09-10T13:07:06.663 回答
37
我更喜欢 CTE 从 sql server 表中删除重复的行
强烈推荐关注这篇文章 :: http://codaffection.com/sql-server-article/delete-duplicate-rows-in-sql-server/
通过保持原始
WITH CTE AS
(
SELECT *,ROW_NUMBER() OVER (PARTITION BY col1,col2,col3 ORDER BY col1,col2,col3) AS RN
FROM MyTable
)
DELETE FROM CTE WHERE RN<>1
不保留原创
WITH CTE AS
(SELECT *,R=RANK() OVER (ORDER BY col1,col2,col3)
FROM MyTable)
DELETE CTE
WHERE R IN (SELECT R FROM CTE GROUP BY R HAVING COUNT(*)>1)
于 2015-05-19T14:35:26.173 回答
30
要获取重复行：
SELECT
name, email, COUNT(*)
FROM
users
GROUP BY
name, email
HAVING COUNT(*) > 1
要删除重复行：
DELETE users
WHERE rowid NOT IN
(SELECT MIN(rowid)
FROM users
GROUP BY name, email);
于 2016-12-29T10:31:23.043 回答
24
Quick and Dirty 删除完全重复的行（对于小表）：
select distinct * into t2 from t1;
delete from t1;
insert into t1 select * from t2;
drop table t2;
于 2013-02-05T21:44:52.483 回答
21
我更喜欢 subquery\having count(*) > 1 解决方案，因为我发现它更容易阅读，并且很容易变成 SELECT 语句来验证在运行之前将删除的内容。
--DELETE FROM table1
--WHERE id IN (
SELECT MIN(id) FROM table1
GROUP BY col1, col2, col3
-- could add a WHERE clause here to further filter
HAVING count(*) > 1
--)
于 2014-03-01T07:40:18.360 回答
17
SELECT DISTINCT *
INTO tempdb.dbo.tmpTable
FROM myTable
TRUNCATE TABLE myTable
INSERT INTO myTable SELECT * FROM tempdb.dbo.tmpTable
DROP TABLE tempdb.dbo.tmpTable
于 2012-10-10T11:17:38.013 回答
15
我想我会分享我的解决方案，因为它在特殊情况下有效。在我的情况下，具有重复值的表没有外键（因为这些值是从另一个数据库复制的）。
begin transaction
-- create temp table with identical structure as source table
Select * Into #temp From tableName Where 1 = 2
-- insert distinct values into temp
insert into #temp
select distinct *
from tableName
-- delete from source
delete from tableName
-- insert into source from temp
insert into tableName
select *
from #temp
rollback transaction
-- if this works, change rollback to commit and execute again to keep you changes!!
PS：在处理这样的事情时，我总是使用事务，这不仅可以确保所有内容都作为一个整体执行，还可以让我在不冒任何风险的情况下进行测试。但是当然，您无论如何都应该进行备份以确保...
于 2014-01-27T12:20:09.783 回答
14
使用 CTE。这个想法是加入一个或多个形成重复记录的列，然后删除您喜欢的任何一个：
;with cte as (
select
min(PrimaryKey) as PrimaryKey
UniqueColumn1,
UniqueColumn2
from dbo.DuplicatesTable
group by
UniqueColumn1, UniqueColumn1
having count(*) > 1
)
delete d
from dbo.DuplicatesTable d
inner join cte on
d.PrimaryKey > cte.PrimaryKey and
d.UniqueColumn1 = cte.UniqueColumn1 and
d.UniqueColumn2 = cte.UniqueColumn2;
于 2014-11-13T16:20:35.920 回答
14
这个查询对我来说显示了非常好的性能：
DELETE tbl
FROM
MyTable tbl
WHERE
EXISTS (
SELECT
*
FROM
MyTable tbl2
WHERE
tbl2.SameValue = tbl.SameValue
AND tbl.IdUniqueValue < tbl2.IdUniqueValue
)
它在 30 秒内从 2M 的表中删除了 1M 行（50% 重复）
于 2014-12-10T19:36:34.733 回答
13
在此处粘贴的链接中可以找到另一个简单的解决方案。这很容易掌握，并且似乎对大多数类似问题都有效。虽然它适用于 SQL Server，但使用的概念是可以接受的。
以下是链接页面的相关部分：
考虑以下数据：
EMPLOYEE_ID ATTENDANCE_DATE
A001 2011-01-01
A001 2011-01-01
A002 2011-01-01
A002 2011-01-01
A002 2011-01-01
A003 2011-01-01
那么我们怎样才能删除那些重复的数据呢？
首先，使用以下代码在该表中插入一个标识列：
ALTER TABLE dbo.ATTENDANCE ADD AUTOID INT IDENTITY(1,1)
使用以下代码解决它：
DELETE FROM dbo.ATTENDANCE WHERE AUTOID NOT IN (SELECT MIN(AUTOID) _
FROM dbo.ATTENDANCE GROUP BY EMPLOYEE_ID,ATTENDANCE_DATE)
于 2013-08-06T17:14:34.843 回答
12
用这个
WITH tblTemp as
(
SELECT ROW_NUMBER() Over(PARTITION BY Name,Department ORDER BY Name)
As RowNumber,* FROM <table_name>
)
DELETE FROM tblTemp where RowNumber >1
于 2015-07-23T11:42:20.247 回答
11
这是另一篇关于删除重复项的好文章。
它讨论了为什么难：“ SQL 是基于关系代数的，在关系代数中不能出现重复，因为集合中不允许出现重复。 ”
临时表解决方案和两个 mysql 示例。
将来您将在数据库级别或从应用程序的角度防止它。我建议使用数据库级别，因为您的数据库应该负责维护引用完整性，开发人员只会造成问题；）
于 2008-08-20T21:58:00.983 回答
11
行，可以。使用临时表。如果你想要一个“有效”的单一的、性能不是很好的声明，你可以使用：
DELETE FROM MyTable WHERE NOT RowID IN
(SELECT
(SELECT TOP 1 RowID FROM MyTable mt2
WHERE mt2.Col1 = mt.Col1
AND mt2.Col2 = mt.Col2
AND mt2.Col3 = mt.Col3)
FROM MyTable mt)
基本上，对于表中的每一行，子选择查找与所考虑的行完全相同的所有行的顶部 RowID。因此，您最终会得到一个表示“原始”非重复行的 RowID 列表。
于 2008-08-20T22:27:53.843 回答
11
我有一张表，我需要在其中保留不重复的行。我不确定速度或效率。
DELETE FROM myTable WHERE RowID IN (
SELECT MIN(RowID) AS IDNo FROM myTable
GROUP BY Col1, Col2, Col3
HAVING COUNT(*) = 2 )
于 2009-12-11T13:47:21.353 回答
11
这是删除重复记录的最简单方法
DELETE FROM tblemp WHERE id IN
(
SELECT MIN(id) FROM tblemp
GROUP BY title HAVING COUNT(id)>1
)
于 2016-09-28T05:26:54.197 回答
10
另一种方法是创建一个具有相同字段和唯一索引的新表。然后将所有数据从旧表移动到新表。自动 SQL SERVER 忽略（如果会有重复值，还有一个选项：忽略、中断或 sth）重复值。所以我们有同一张表，没有重复的行。如果您不想要唯一索引，可以在传输数据后将其删除。
特别是对于较大的表，您可以使用 DTS（用于导入/导出数据的 SSIS 包）以便将所有数据快速传输到新的唯一索引表。对于 700 万行，只需几分钟。
于 2013-09-18T06:36:12.373 回答
9
创建具有相同结构的新空白表
像这样执行查询
INSERT INTO tc_category1 SELECT * FROM tc_category GROUP BY category_id, application_id HAVING count(*) > 1然后执行这个查询
INSERT INTO tc_category1 SELECT * FROM tc_category GROUP BY category_id, application_id HAVING count(*) = 1
于 2009-05-08T13:06:42.697 回答
9
通过使用下面的查询，我们可以删除基于单列或多列的重复记录。下面的查询是基于两列删除的。表名是：testing和列名empno,empname
DELETE FROM testing WHERE empno not IN (SELECT empno FROM (SELECT empno, ROW_NUMBER() OVER (PARTITION BY empno ORDER BY empno)
AS [ItemNumber] FROM testing) a WHERE ItemNumber > 1)
or empname not in
(select empname from (select empname,row_number() over(PARTITION BY empno ORDER BY empno)
AS [ItemNumber] FROM testing) a WHERE ItemNumber > 1)
于 2012-02-08T12:06:52.687 回答
8
另一种方法：-
DELETE A
FROM TABLE A,
TABLE B
WHERE A.COL1 = B.COL1
AND A.COL2 = B.COL2
AND A.UNIQUEFIELD > B.UNIQUEFIELD
于 2016-02-02T06:59:27.090 回答
7
从应用程序级别（不幸的是）。我同意防止重复的正确方法是在数据库级别通过使用唯一索引，但在 SQL Server 2005 中，索引只允许 900 个字节，而我的 varchar(2048) 字段将其排除在外。
我不知道它的性能有多好，但我认为您可以编写一个触发器来强制执行此操作，即使您不能直接使用索引来执行此操作。就像是：
-- given a table stories(story_id int not null primary key, story varchar(max) not null)
CREATE TRIGGER prevent_plagiarism
ON stories
after INSERT, UPDATE
AS
DECLARE @cnt AS INT
SELECT @cnt = Count(*)
FROM stories
INNER JOIN inserted
ON ( stories.story = inserted.story
AND stories.story_id != inserted.story_id )
IF @cnt > 0
BEGIN
RAISERROR('plagiarism detected',16,1)
ROLLBACK TRANSACTION
END
另外， varchar(2048) 对我来说听起来很可疑（生活中有些东西是 2048 字节，但这很不常见）；它真的不应该是 varchar(max) 吗？
于 2008-08-20T22:53:12.630 回答
7
我会提到这种方法，它可能很有帮助，并且适用于所有 SQL 服务器：通常只有一个 - 两个重复项，并且 Id 和重复项的数量是已知的。在这种情况下：
SET ROWCOUNT 1 -- or set to number of rows to be deleted
delete from myTable where RowId = DuplicatedID
SET ROWCOUNT 0
于 2013-01-30T19:45:37.097 回答
7
DELETE
FROM
table_name T1
WHERE
rowid > (
SELECT
min(rowid)
FROM
table_name T2
WHERE
T1.column_name = T2.column_name
);
于 2013-10-03T06:18:06.117 回答
6
CREATE TABLE car(Id int identity(1,1), PersonId int, CarId int)
INSERT INTO car(PersonId,CarId)
VALUES(1,2),(1,3),(1,2),(2,4)
--SELECT * FROM car
;WITH CTE as(
SELECT ROW_NUMBER() over (PARTITION BY personid,carid order by personid,carid) as rn,Id,PersonID,CarId from car)
DELETE FROM car where Id in(SELECT Id FROM CTE WHERE rn>1)
于 2012-07-11T11:46:52.680 回答
6
DELETE
FROM MyTable
WHERE NOT EXISTS (
SELECT min(RowID)
FROM Mytable
WHERE (SELECT RowID
FROM Mytable
GROUP BY Col1, Col2, Col3
))
);
于 2014-01-02T15:27:26.307 回答
6
我想预览要删除的行并控制要保留的重复行。请参阅http://developer.azurewebsites.net/2014/09/better-sql-group-by-find-duplicate-data/
with MYCTE as (
SELECT ROW_NUMBER() OVER (
PARTITION BY DuplicateKey1
,DuplicateKey2 -- optional
ORDER BY CreatedAt -- the first row among duplicates will be kept, other rows will be removed
) RN
FROM MyTable
)
DELETE FROM MYCTE
WHERE RN > 1
于 2015-01-01T15:32:03.800 回答
1
alter table MyTable add sno int identity(1,1)
delete from MyTable where sno in
(
select sno from (
select *,
RANK() OVER ( PARTITION BY RowID,Col3 ORDER BY sno DESC )rank
From MyTable
)T
where rank>1
)
alter table MyTable
drop column sno
于 2015-12-16T06:11:51.693 回答
1
有时会使用软删除机制，其中记录日期以指示删除日期。在这种情况下，UPDATE可以使用语句根据重复条目更新此字段。
UPDATE MY_TABLE
SET DELETED = getDate()
WHERE TABLE_ID IN (
SELECT x.TABLE_ID
FROM MY_TABLE x
JOIN (SELECT min(TABLE_ID) id, COL_1, COL_2, COL_3
FROM MY_TABLE d
GROUP BY d.COL_1, d.COL_2, d.COL_3
HAVING count(*) > 1) AS d ON d.COL_1 = x.COL_1
AND d.COL_2 = x.COL_2
AND d.COL_3 = x.COL_3
AND d.TABLE_ID <> x.TABLE_ID
/*WHERE x.COL_4 <> 'D' -- Additional filter*/)
这种方法对于包含约 3000 万行重复次数多和少的相当适中的表非常有用。
于 2016-06-07T01:29:07.227 回答
1
我知道这个问题已经得到解答，但是我创建了非常有用的 sp 它将为表重复创建一个动态删除语句：
CREATE PROCEDURE sp_DeleteDuplicate @tableName varchar(100), @DebugMode int =1
AS
BEGIN
SET NOCOUNT ON;
IF(OBJECT_ID('tempdb..#tableMatrix') is not null) DROP TABLE #tableMatrix;
SELECT ROW_NUMBER() OVER(ORDER BY name) as rn,name into #tableMatrix FROM sys.columns where [object_id] = object_id(@tableName) ORDER BY name
DECLARE @MaxRow int = (SELECT MAX(rn) from #tableMatrix)
IF(@MaxRow is null)
RAISERROR ('I wasn''t able to find any columns for this table!',16,1)
ELSE
BEGIN
DECLARE @i int =1
DECLARE @Columns Varchar(max) ='';
WHILE (@i <= @MaxRow)
BEGIN
SET @Columns=@Columns+(SELECT '['+name+'],' from #tableMatrix where rn = @i)
SET @i = @i+1;
END
---DELETE LAST comma
SET @Columns = LEFT(@Columns,LEN(@Columns)-1)
DECLARE @Sql nvarchar(max) = '
WITH cteRowsToDelte
AS (
SELECT ROW_NUMBER() OVER (PARTITION BY '+@Columns+' ORDER BY ( SELECT 0)) as rowNumber,* FROM '+@tableName
+')
DELETE FROM cteRowsToDelte
WHERE rowNumber > 1;
'
SET NOCOUNT OFF;
IF(@DebugMode = 1)
SELECT @Sql
ELSE
EXEC sp_executesql @Sql
END
END
因此，如果您这样创建表：
IF(OBJECT_ID('MyLitleTable') is not null)
DROP TABLE MyLitleTable
CREATE TABLE MyLitleTable
(
A Varchar(10),
B money,
C int
)
---------------------------------------------------------
INSERT INTO MyLitleTable VALUES
('ABC',100,1),
('ABC',100,1), -- only this row should be deleted
('ABC',101,1),
('ABC',100,2),
('ABCD',100,1)
-----------------------------------------------------------
exec sp_DeleteDuplicate 'MyLitleTable',0
它将从您的表中删除所有重复项。如果你在没有第二个参数的情况下运行它，它将返回一条 SQL 语句来运行。
如果您需要排除任何列，只需在调试模式下运行它即可获取代码并根据需要进行修改。
于 2017-04-13T08:49:17.920 回答
1
如果重复行中的所有列都相同，则可以使用以下查询删除重复记录。
SELECT DISTINCT * INTO #TemNewTable FROM #OriginalTable
TRUNCATE TABLE #OriginalTable
INSERT INTO #OriginalTable SELECT * FROM #TemNewTable
DROP TABLE #TemNewTable
于 2018-10-29T14:20:14.763 回答
1
首先，您可以使用 MIN() 和 Group By 选择最小 RowId。我们将保留这些行。
SELECT MIN(RowId) as RowId
FROM MyTable
GROUP BY Col1, Col2, Col3
并删除那些不在选定的最小 RowId 中使用的 RowId
DELETE FROM MyTable WHERE RowId Not IN()
最终查询：
DELETE FROM MyTable WHERE RowId Not IN(
SELECT MIN(RowId) as RowId
FROM MyTable
GROUP BY Col1, Col2, Col3
)
您还可以在SQL Fiddle中查看我的答案
于 2021-09-18T19:02:04.457 回答
0
现在让我们看一下该表具有重复行且 Id 是相同的 uniq 字段的弹性搜索表。我们知道如果某个 id 按组标准存在，那么我们可以删除该组范围之外的其他行。我的方式表明了这个标准。
这个线程的很多情况都处于我的状态。只需根据您删除重复（重复）行的情况更改您的目标组标准。
DELETE
FROM elasticalsearch
WHERE Id NOT IN
(SELECT min(Id)
FROM elasticalsearch
GROUP BY FirmId,FilterSearchString
)
干杯
于 2016-01-11T20:31:40.517 回答
0
我认为这会有所帮助。在这里，ROW_NUMBER() OVER(PARTITION BY res1.Title ORDER BY res1.Id)as num用于区分重复行。
delete FROM
(SELECT res1.*,ROW_NUMBER() OVER(PARTITION BY res1.Title ORDER BY res1.Id)as num
FROM
(select * from [dbo].[tbl_countries])as res1
)as res2
WHERE res2.num > 1
于 2018-06-10T09:27:52.157 回答
0
对于表结构
我的表
RowID int not null identity(1,1) primary key,
Col1 varchar(20) not null,
Col2 varchar(2048) not null,
Col3 tinyint not null
删除重复项的查询：
DELETE t1
FROM MyTable t1
INNER JOIN MyTable t2
WHERE t1.RowID > t2.RowID
AND t1.Col1 = t2.Col1
AND t1.Col2=t2.Col2
AND t1.Col3=t2.Col3;
我假设这
RowID是一种自动增量，其余列具有重复值。
于 2020-08-06T04:01:39.340 回答
0
基于两列删除重复项的其他方法
我发现这个查询更容易阅读和替换。
DELETE
FROM
TABLE_NAME
WHERE FIRST_COLUMNS
IN(
SELECT * FROM
( SELECT MIN(FIRST_COLUMNS)
FROM TABLE_NAME
GROUP BY
FIRST_COLUMNS,
SECOND_COLUMNS
HAVING COUNT(FIRST_COLUMNS) > 1
) temp
)
注意：最好simulate query在运行它之前。
于 2021-03-05T20:23:31.170 回答
0
在 postgresql 中删除重复表行的一种非常简单的方法。
DELETE FROM table1 a
USING table1 b
WHERE a.id < b.id
AND a.column1 = b.column1
AND a.column2 = b.column2;
于 2021-04-30T19:24:30.407 回答