知識星球
來源:碼農有道
ID:b497155298
本文講述如何查詢資料庫裡重覆的行。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，如何查詢“兩欄位重覆的行”（#mysql IRC 頻道問到的問題）
第一步是定義什麼樣的行才是重覆行。多數情況下很簡單：它們某一列具有相同的值。本文采用這一定義，或許你對“重覆”的定義比這複雜，你需要對sql做些修改。本文要用到的資料樣本：
create table test(id int not null 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欄位具有相同的值，因此如何我將他們當做重覆行，這裡有一查詢陳述句可以查詢。查詢陳述句使用GROUP BY子句把具有相同欄位值的行歸為一組，然後計算組的大小。
select day, count(*) from test GROUP BY day;
+------------+----------+
| day | count(*) |
+------------+----------+
| 2006-10-08 | 2 |
| 2006-10-09 | 1 |
+------------+----------+重覆行的組大小大於1。如何希望只顯示重覆行，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：根據具有相同值的欄位分組，然後知顯示大小大於1的組。
為什麼不能使用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後的行。
一個相關的問題是如何刪除重覆行。一個常見的任務是，重覆行只保留一行，其他刪除，然後你可以建立適當的索引，防止以後再有重覆的行寫入資料庫。
同樣，首先是弄清楚重覆行的定義。你要保留的是哪一行呢？第一行，或者某個欄位具有最大值的行？本文中，假設要保留的是第一行——id欄位具有最小值的行，意味著你要刪除其他的行。
也許最簡單的方法是透過臨時表。尤其對於MYSQL，有些限制是不能在一個查詢陳述句中select的同時update一個表。簡單起見，這裡只用到了臨時表的方法。
我們的任務是：刪除所有重覆行，除了分組中id欄位具有最小值的行。因此，需要找出大小大於1的分組，以及希望保留的行。你可以使用MIN()函式。這裡的陳述句是建立臨時表，以及查詢需要用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 |
+------------+--------+有了這些資料，你可以開始刪除“臟資料”行了。可以有幾種方法，各有優劣（詳見我的文章many-to-one problems in SQL），但這裡不做詳細比較，只是說明在支援查詢子句的關係資料庫中，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
)有人最近問到這樣的問題：我的一個表上有兩個欄位b和c，分別關聯到其他兩個表的b和c欄位。我想要找出在b欄位或者c欄位上具有重覆值的行。
咋看很難明白，透過對話後我理解了：他想要對b和c分別建立unique索引。如上所述，查詢在某一欄位上具有重覆值的行很簡單，只要用group分組，然後計算組的大小。並且查詢全部欄位重覆的行也很簡單，只要把所有欄位放到group子句。但如果是判斷b欄位重覆或者c欄位重覆，問題困難得多。這裡提問者用到的樣本資料
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);現在，你可以輕易看到表裡面有一些重覆的行，但找不到兩行具有相同的二元組{b, c}。這就是為什麼問題會變得困難了。
錯誤的查詢陳述句
如果把兩列放在一起分組，你會得到不同的結果，具體看如何分組和計算大小。提問者恰恰是困在了這裡。有時候查詢陳述句找到一些重覆行卻漏了其他的。這是他用到了查詢
select b, c, count(*) from a_b_c
group by b, c
having count(distinct b > 1)
or count(distinct c > 1);結果傳回所有的行，因為CONT(*)總是1.為什麼？因為 >1 寫在COUNT()裡面。這個錯誤很容易被忽略，事實上等效於
select b, c, count(*) from a_b_c
group by b, c
having count(1)
or count(1);為什麼？因為(b > 1)是一個布林值，根本不是你想要的結果。你要的是
select b, c, count(*) from a_b_c
group by b, c
having count(distinct b) > 1
or count(distinct c) > 1;傳回空結果。很顯然，因為沒有重覆的{b,c}。這人試了很多其他的OR和AND的組合，用來分組的是一個欄位，計算大小的是另一個欄位，像這樣
select b, count(*) from a_b_c group by b having count(distinct c) > 1;
+------+----------+
| b | count(*) |
+------+----------+
| 1 | 3 |
| 2 | 3 |
| 3 | 3 |
+------+----------+沒有一個能夠找出全部的重覆行。而且最令人沮喪的是，對於某些情況，這種陳述句是有效的，如果錯誤地以為就是這麼寫法，然而對於另外的情況，很可能得到錯誤結果。
事實上，單純用GROUP BY 是不可行的。為什麼？因為當你對某一欄位使用group by時，就會把另一欄位的值分散到不同的分組裡。對這些欄位排序可以看到這些效果，正如分組做的那樣。首先，對b欄位排序，看看它是如何分組的
當你對b欄位排序（分組），相同值的c被分到不同的組，因此不能用COUNT(DISTINCT c)來計算大小。COUNT()之類的內部函式只作用於同一個分組，對於不同分組的行就無能為力了。類似，如果排序的是c欄位，相同值的b也會分到不同的組，無論如何是不能達到我們的目的的。
幾種正確的方法
也許最簡單的方法是分別對某個欄位查詢重覆行，然後用UNION拼在一起，像這樣：
select b as value, count(*) as cnt, 'b' as what_col
from a_b_c group by b having count(*) > 1
union
select c as value, count(*) as cnt, 'c' as what_col
from a_b_c group by c having count(*) > 1;
+-------+-----+----------+
| value | cnt | what_col |
+-------+-----+----------+
| 1 | 3 | b |
| 2 | 3 | b |
| 3 | 3 | b |
| 1 | 3 | c |
| 2 | 3 | c |
| 3 | 3 | c |
+-------+-----+----------+輸出what_col欄位為了提示重覆的是哪個欄位。另一個辦法是使用巢狀查詢：
select a, b, c from a_b_c
where b in (select b from a_b_c group by b having count(*) > 1)
or c in (select c from a_b_c group by c having count(*) > 1);
+----+------+------+
| a | b | c |
+----+------+------+
| 7 | 1 | 1 |
| 8 | 1 | 2 |
| 9 | 1 | 3 |
| 10 | 2 | 1 |
| 11 | 2 | 2 |
| 12 | 2 | 3 |
| 13 | 3 | 1 |
| 14 | 3 | 2 |
| 15 | 3 | 3 |
+----+------+------+這種方法的效率要比使用UNION低許多，並且顯示每一重覆的行，而不是重覆的欄位值。還有一種方法，將自己跟group的巢狀查詢結果聯表查詢。寫法比較複雜，但對於複雜的資料或者對效率有較高要求的情況，是很有必要的。
select a, a_b_c.b, a_b_c.c
from a_b_c
left outer join (
select b from a_b_c group by b having count(*) > 1
) as b on a_b_c.b = b.b
left outer join (
select c from a_b_c group by c having count(*) > 1
) as c on a_b_c.c = c.c
where b.b is not null or c.c is not null以上方法可行，我敢肯定還有其他的方法。如果UNION能用，我想會是最簡單不過的了。
作者：憤怒的韭菜
連結：https://blog.csdn.net/zhengzhb/article/details/8590390
《Linux雲端計算及運維架構師高薪實戰班》2018年05月14日即將開課中，120天衝擊Linux運維年薪30萬，改變速約~~~~
*宣告：推送內容及圖片來源於網路，部分內容會有所改動，版權歸原作者所有，如來源資訊有誤或侵犯權益，請聯絡我們刪除或授權事宜。
– END –
更多Linux好文請點選【閱讀原文】哦
↓↓↓
