存储优化 - 删除重复记录只保留单条

由于前端提交处理做的不到位或者数据库设计的不够合理，库中通常会存在一些冗余数据，比如重复记录就是一种，那这样的记录如何删除呢？

我们先看一下相关数据结构的知识。

在学习线性表的时候，曾有这样一个例题。

已知一个存储整数的顺序表La，试构造顺序表Lb，要求顺序表Lb中只包含顺序表La中所有值不相同的数据元素。
算法思路：
先把顺序表La的第一个元素付给顺序表Lb，然后从顺序表La的第2个元素起，每一个元素与顺序表Lb中的每一个元素进行比较，如果不相同，则把该元素附加到顺序表Lb的末尾。

        public SeqList<int> Purge(SeqList<int> La)
        {
            SeqList<int> Lb = new SeqList<int>(La.Maxsize);
            //将a表中的第1个数据元素赋给b表
             Lb.Append(La[0]);
            //依次处理a表中的数据元素
            for (int i = 1; i <= La.GetLength() - 1; ++i)
            {
                int j = 0;
                //查看b表中有无与a表中相同的数据元素
                for (j = 0; j <= Lb.GetLength() - 1; ++j)
                {
                    //有相同的数据元素
                    if (La[i].CompareTo(Lb[j]) == 0)
                    {
                        break;
                    }
                }
                //没有相同的数据元素，将a表中的数据元素附加到b表的末尾。
                if (j > Lb.GetLength() - 1)
                {
                    Lb.Append(La[i]);
                }
                return Lb;
            }
        }

如果理解了这个思路，那么数据库中的处理就好办了。 

我们可以做一个临时表来解决问题

select distinct * into #Tmp from tableName 
drop table tableName 
select * into tableName from #Tmp 
drop table #Tmp 

发生这种重复的原因是表设计不周产生的，增加唯一索引列即可解决。

但是你说了，我不想增加任何字段，但这时候又没有显式的标识列，怎么取出标识列呢？（可以是序号列，GUID，等）

上个问题先不讲，先看看这个问题。

我们分别在三种数据库中看一下处理办法，就是通常我们用的Sqlserver2000,Sqlserver2005,Oracle 10g.

1.   SQL Server 2000 构造序号列

方法一：
SELECT 序号= 
   (SELECT COUNT(客户编号) FROM 客户 AS a WHERE a.客户编号<= b.客户编号), 
    客户编号,公司名称 FROM 客户 AS b ORDER BY 1;
方法二：

SELECT 序号= COUNT(*), 
a.客户编号, a.公司名称 FROM 客户 AS a, 客户 AS b 
WHERE a.客户编号>= b.客户编号 GROUP BY a.客户编号, b.公司名称 ORDER BY 序号;

2.   SQL Server 2005 构造序号列 

方法一：
SELECT RANK() OVER (ORDER BY 客户编号 DESC) AS 序号, 客户编号,公司名称 FROM 客户;
方法二:
WITH TABLE AS 
     (SELECT ROW_NUMBER() OVER (ORDER BY 客户编号 DESC) AS 序号, 客户编号,公司名称 FROM 客户)
SELECT * FROM TABLE
WHERE 序号 BETWEEN 1 AND 3;

3.   Oracle 里 rowid 也可看做默认标识列 

在Oracle中，每一条记录都有一个rowid，rowid在整个数据库中是唯一的，rowid确定了每条记录是在Oracle中的哪一个数据文件、块、行上。
在重复的记录中，可能所有列的内容都相同，但rowid不会相同，所以只要确定出重复记录中那些具有最大rowid的就可以了，其余全部删除。

select * from test;
select * from test group by id having count(*)>1
select * from test group by id
select distinct * from test
delete from test a where a.rowid!=(select max(rowid) from test b where a.id=b.id);

扯远了，回到原来的问题，除了采用数据结构的思想来处理，因为数据库特有的事务处理，能够把数据缓存在线程池里，这样也相当于临时表的功能，所以，我们还可以用游标来解决删除重复记录的问题。

declare @max int,
        @id int 
declare cur_rows cursor local for select id ,count(*) from test group by id having count(*) > 1 
open cur_rows 
fetch cur_rows into @id ,@max 
while @@fetch_status=0 
begin 
    select @max = @max -1  
 9     set rowcount @max      --让这个时候的行数等于少了一行的统计数 
    delete from test where id = @id 
    fetch cur_rows into @id ,@max 
end 
close cur_rows 
set rowcount 0 

以上是闪电查阅一些资料写出的想法，有考虑不周的地方，欢迎大家指出。