本文講述如何查找數(shù)據(jù)庫里重復的行。這是初學者十分普遍遇到的問題。方法也很簡單。這個問題還可以有其他演變，例如，如何查找“兩字段重復的行”（#MySQL IRC 頻道問到的問題）

如何查找重復行

第一步是定義什么樣的行才是重復行。多數(shù)情況下很簡單：它們某一列具有相同的值。本文采用這一定義，或許你對“重復”的定義比這復雜，你需要對sql做些修改。本文要用到的數(shù)據(jù)樣本：

create table test(id int not primary key, day date not null);  insert into test(id, day) values(1, '2006-10-08');  insert into test(id, day) values(2, '2006-10-08');  insert into test(id, day) values(3, '2006-10-09');  select * from test;  +----+------------+  | id | day     |  +----+------------+  |  1 | 2006-10-08 |  |  2 | 2006-10-08 |  |  3 | 2006-10-09 |  +----+------------+

前面兩行在day字段具有相同的值，因此如何我將他們當做重復行，這里有一查詢語句可以查找。查詢語句使用GROUP BY子句把具有相同字段值的行歸為一組，然后計算組的大小。

select day, count(*) from test GROUP BY day;  +------------+----------+  | day     | count(*) |  +------------+----------+  | 2006-10-08 |     2 | | 2006-10-09 |     1 |  +------------+----------+

重復行的組大小大于1。如何希望只顯示重復行，必須使用HAVING子句，比如

select day, count(*) from test group by day HAVING count(*) > 1;  +------------+----------+  | day     | count(*) |  +------------+----------+  | 2006-10-08 |     2 |  +------------+----------+

這是基本的技巧：根據(jù)具有相同值的字段分組，然后知顯示大小大于1的組。

為什么不能使用WHERE子句？

因為WHERE子句過濾的是分組之前的行，HAVING子句過濾的是分組之后的行。

如何刪除重復行

一個相關的問題是如何刪除重復行。一個常見的任務是，重復行只保留一行，其他刪除，然后你可以創(chuàng)建適當?shù)乃饕乐挂院笤儆兄貜偷男袑懭霐?shù)據(jù)庫。

同樣，首先是弄清楚重復行的定義。你要保留的是哪一行呢？第一行，或者某個字段具有最大值的行？本文中，假設要保留的是第一行——id字段具有最小值的行，意味著你要刪除其他的行。

也許最簡單的方法是通過臨時表。尤其對于MYSQL，有些限制是不能在一個查詢語句中select的同時update一個表。簡單起見，這里只用到了臨時表的方法。

我們的任務是：刪除所有重復行，除了分組中id字段具有最小值的行。因此，需要找出大小大于1的分組，以及希望保留的行。你可以使用MIN()函數(shù)。這里的語句是創(chuàng)建臨時表，以及查找需要用DELETE刪除的行。

create temporary table to_delete (day date not null, min_id int not null);  insert into to_delete(day, min_id)   select day, MIN(id) from test group by day having count(*) > 1;  select * from to_delete;  +------------+--------+  | day     | min_id |  +------------+--------+  | 2006-10-08 |    1 |  +------------+--------+

有了這些數(shù)據(jù)，你可以開始刪除“臟數(shù)據(jù)”行了。可以有幾種方法，各有優(yōu)劣（詳見我的文章many-to-one problems in SQL），但這里不做詳細比較，只是說明在支持查詢子句的關系數(shù)據(jù)庫中，使用的標準方法。

delete from test  where exists(     select * from to_delete     where to_delete.day = test.day and to_delete.min_id <> test.id   )

如何查找多列上的重復行

有人最近問到這樣的問題：我的一個表上有兩個字段b和c，分別關聯(lián)到其他兩個表的b和c字段。我想要找出在b字段或者c字段上具有重復值的行。

咋看很難明白，通過對話后我理解了：他想要對b和c分別創(chuàng)建unique索引。如上所述，查找在某一字段上具有重復值的行很簡單，只要用group分組，然后計算組的大小。并且查找全部字段重復的行也很簡單，只要把所有字段放到group子句。但如果是判斷b字段重復或者c字段重復，問題困難得多。這里提問者用到的樣本數(shù)據(jù)

create table a_b_c(   a int not null primary key auto_increment,   b int,   c int );  insert into a_b_c(b,c) values (1, 1);  insert into a_b_c(b,c) values (1, 2);  insert into a_b_c(b,c) values (1, 3);  insert into a_b_c(b,c) values (2, 1);  insert into a_b_c(b,c) values (2, 2);  insert into a_b_c(b,c) values (2, 3);  insert into a_b_c(b,c) values (3, 1);  insert into a_b_c(b,c) values (3, 2);  insert into a_b_c(b,c) values (3, 3);

現(xiàn)在，你可以輕易看到表里面有一些重復的行，但找不到兩行具有相同的二元組{b, c}。這就是為什么問題會變得困難了。