T-SQL Recipes之删除重复行

时间:2023-03-09 21:41:47
T-SQL Recipes之删除重复行

准备基础数据

(1)创建辅助表,方便以后倾向于Set-base方式解决问题

-- Creating and Populating the Nums Auxiliary Table
SET NOCOUNT ON;
IF OBJECT_ID('dbo.Nums', 'U') IS NOT NULL
DROP TABLE dbo.Nums; CREATE TABLE dbo.Nums(n INT NOT NULL PRIMARY KEY); DECLARE @max AS INT ,
@rc AS INT; SET @max = 1000000;
SET @rc = 1; INSERT INTO dbo.Nums
( n )
VALUES ( 1 );
WHILE @rc * 2 <= @max
BEGIN
INSERT INTO dbo.Nums
( n )
SELECT n + @rc
FROM dbo.Nums;
SET @rc = @rc * 2;
END
INSERT INTO dbo.Nums
( n
)
SELECT n + @rc
FROM dbo.Nums
WHERE n + @rc <= @max;
GO

(2) 准备一些重复数据,这里使用AdventureWorks2014

PS:造成重复数据的原因有很多种,比如没有设置主键,批量导入的时候可能被执行了多次,归根到底还是人为原因。

USE AdventureWorks2014;
GO IF OBJECT_ID('dbo.OrdersDups') IS NOT NULL
BEGIN
DROP TABLE dbo.OrdersDups;
END SELECT SalesOrderID ,
CustomerID ,
SalesPersonID ,
OrderDate
INTO dbo.OrdersDups
FROM Sales.SalesOrderHeader
CROSS JOIN dbo.Nums
WHERE n <= 3;

如图,我们有了许多重复数据,现在就要考虑如何去重了。

T-SQL Recipes之删除重复行

解决方案

这里小陈提供三种去重方案,每一种方案都有相似性,也有独特之处。

1. 使用ROW_NUMBER() 函数去重,这种方式适合于比例小的重复数据。

USE AdventureWorks2014;
GO WITH Dups AS (
SELECT SalesOrderID ,
CustomerID ,
SalesPersonID ,
OrderDate ,
ROW_NUMBER() OVER ( PARTITION BY SalesOrderID ORDER BY ( SELECT0) ) AS rn
FROM dbo.OrdersDups) DELETE FROM Dups
WHERE rn > 1;

在未删除之前,先看一下前10行的数据是什么模样.

T-SQL Recipes之删除重复行

2. 使用ROW_NUMBER() + RANK() 函数去重,这种方式跟第一种类似,也是适合比例小的重复数据。

USE AdventureWorks2014;
GO WITH Dups AS (
SELECT SalesOrderID ,
CustomerID ,
SalesPersonID ,
OrderDate ,
ROW_NUMBER() OVER ( PARTITION BY SalesOrderID ORDER BY ( SELECT 0) ) AS rn,
RANK() OVER(PARTITION BY SalesOrderID ORDER BY (SELECT 0)) AS rnk
FROM dbo.OrdersDups) DELETE FROM Dups
WHERE rn > 1;

T-SQL Recipes之删除重复行

3. 删除大量的重复行时,会导致日志行为,最终DELETE会执行的很慢。所以这里推荐的做法是复制唯一行到新表,减少日志操作。然后移除老表,把新表的名字重命名为老表。

USE AdventureWorks2014;
GO WITH Dups AS (
SELECT SalesOrderID ,
CustomerID ,
SalesPersonID ,
OrderDate ,
ROW_NUMBER() OVER ( PARTITION BY SalesOrderID ORDER BY ( SELECT 0) ) AS rn
FROM dbo.OrdersDups) SELECT
SalesOrderID ,
CustomerID ,
SalesPersonID ,
OrderDate
INTO dbo.OrdersDupsTmp
FROM Dups
WHERE rn = 1; DROP TABLE dbo.OrdersDups; EXEC sp_rename 'dbo.OrdersDupsTmp', 'OrdersDups';

总结

这篇主要讲述如何去重,作为T-SQL私房菜的开篇,也是作为学习T-SQL的笔记——记述常见问题的解决方案。

如何哪位看官对T-SQL解决常见问题有什么好的解决方案也可以提出来,小陈争取在T-SQL私房菜系列中做一个汇总,也方便以后遇到类似的问题时直接在这里借用了。

当然内功心法还是记在心里面最好,这也是应随了老话:烂笔头胜过好记性。