Mysql去重的几种方式分步讲解
作者：leo825...
前言
我们做数据分析的时候经常会遇到去重问题，下面总结 sql 去重的几种方式，后续如果还有再补充，大数据分析层面包括 hive、clickhouse 也可参考。
准备
本文以 mysql 作为作为例子进行 sql 去重的实现。首先准备一张表：
创建表
t_score
create table t_score( ts datetime, id varchar(10), name varchar(255), score int(3) )
datetime： 入库时间
id ：学号
name：姓名
soce ：分数
测试数据
insert into t_score value(now(), '101','zhangsan', 90); insert into t_score value(now(), '101','zhangsan', 92); insert into t_score value(now(), '101','zhangsan', 96); insert into t_score value(now(), '102','lisi', 90); insert into t_score value(now(), '102','lisi', 92); insert into t_score value(now(), '103','wangwu', 96);
目标
最终目标是根据时间去重，将入库时间最新的数据留下，id 重复的认为是重复数据。
最终期望得到的结果为：
探索
distinct 去重
首先想到的就是 distinct 关键字去重，先要了解一下这个关键字的含义和用法。
含义：distinct用来查询不重复记录的条数,即distinct来返回不重复字段的条数（count(distinct id)）,其原因是distinct只能返回他的目标字段，而无法返回其他字段。
用法注意：
1.distinct【查询字段】，必须放在要查询字段的开头，即放在第一个参数；
2.只能在SELECT 语句中使用，不能在 INSERT, DELETE, UPDATE 中使用；
3.DISTINCT 表示对后面的所有参数的拼接取不重复的记录，即查出的参数拼接每行记录都是唯一的
4.不能与all同时使用，默认情况下，查询时返回的就是所有的结果。
使用 distinct 不能满足我们的去重需求：
SELECT DISTINCT ( id ), NAME, score FROM t_score
group by去重
group by 是分组去重，但是仅仅使用group by 也达不到去重求最新的目的
SELECT id, name, score FROM t_score GROUP BY id, name, score
实现方案
方案一
首先，取出来每行数据的最大时间（即最新时间），然后让原表数据和最大时间做右连接，得到的就是最新的数据。
SELECT
a0.*
FROM
t_score a0
RIGHT JOIN (
SELECT
max(ts) tsMax,
id
FROM
t_score
GROUP BY
id
) b0 ON a0.ts = b0.tsMax
AND a0.id = b0.id
方案二
方案二为方案一的变种，使用了exists 关键字来获取时间上最新的数据
SELECT
a0.*
FROM
t_score a0
WHERE
EXISTS (
SELECT
*
FROM
(
SELECT
max(ts) tsMax,
id
FROM
t_score
GROUP BY
id
) b0
WHERE
b0.tsMax = a0.ts
AND b0.id = a0.id
)
方案三
使用 row_number() over (parttion by 分组列 order by 排序列) 方式
SELECT * FROM ( SELECT *, row_number() over ( PARTITION BY id ORDER BY ts DESC ) num FROM t_score ) a0 WHERE a0.num = 1
需要注意的是：MySQL从8.0开始支持窗口函数
到此这篇关于Mysql去重的几种方式分步讲解的文章就介绍到这了,更多相关Mysql去重内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！