前言

我們做數(shù)據(jù)分析的時候經(jīng)常會遇到去重問題，下面總結(jié) sql 去重的幾種方式，后續(xù)如果還有再補(bǔ)充，大數(shù)據(jù)分析層面包括 hive、clickhouse 也可參考。

準(zhǔn)備

本文以 mysql 作為作為例子進(jìn)行 sql 去重的實(shí)現(xiàn)。首先準(zhǔn)備一張表：

創(chuàng)建表

t_score

create table t_score(
ts datetime,
id varchar(10),
name varchar(255),
score int(3)
)

datetime： 入庫時間

id ：學(xué)號

name：姓名

soce ：分?jǐn)?shù)

測試數(shù)據(jù)

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);

目標(biāo)

最終目標(biāo)是根據(jù)時間去重，將入庫時間最新的數(shù)據(jù)留下，id 重復(fù)的認(rèn)為是重復(fù)數(shù)據(jù)。

最終期望得到的結(jié)果為：

探索

distinct 去重

首先想到的就是 distinct 關(guān)鍵字去重，先要了解一下這個關(guān)鍵字的含義和用法。

含義：distinct用來查詢不重復(fù)記錄的條數(shù),即distinct來返回不重復(fù)字段的條數(shù)（count(distinct id)）,其原因是distinct只能返回他的目標(biāo)字段，而無法返回其他字段。

用法注意：

1.distinct【查詢字段】，必須放在要查詢字段的開頭，即放在第一個參數(shù)；

2.只能在SELECT 語句中使用，不能在 INSERT, DELETE, UPDATE 中使用；

3.DISTINCT 表示對后面的所有參數(shù)的拼接取不重復(fù)的記錄，即查出的參數(shù)拼接每行記錄都是唯一的

4.不能與all同時使用，默認(rèn)情況下，查詢時返回的就是所有的結(jié)果。

使用 distinct 不能滿足我們的去重需求：

SELECT DISTINCT
	( id ),
	NAME,
	score 
FROM
	t_score

group by去重

group by 是分組去重，但是僅僅使用group by 也達(dá)不到去重求最新的目的

SELECT
	id,
	name,
	score 
FROM
	t_score 
GROUP BY
	id,
	name,
	score

實(shí)現(xiàn)方案

方案一

首先，取出來每行數(shù)據(jù)的最大時間（即最新時間），然后讓原表數(shù)據(jù)和最大時間做右連接，得到的就是最新的數(shù)據(jù)。

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

方案二為方案一的變種，使用了exists 關(guān)鍵字來獲取時間上最新的數(shù)據(jù)

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 分組列 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從8.0開始支持窗口函數(shù)

到此這篇關(guān)于Mysql去重的幾種方式分步講解的文章就介紹到這了,更多相關(guān)Mysql去重內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論