mysql表删除重复记录方法总结及效率对比

下面这些方法在我虚拟机上做的测试，内存384M,交换分区1024M, test共300W数据，重复记录3.5W，需求如题目所示，表结构如下：

CREATE DATABASE/*!32312 IF NOT EXISTS*/`test` /*!40100 DEFAULT CHARACTER SET utf8 */;

USE `test`;

/*Table structure for table `test` */

DROP TABLE IF EXISTS `test`;

CREATE TABLE `test` (
`id` int(11) NOTNULL AUTO_INCREMENT,
`name` char(20) DEFAULTNULL COMMENT '姓名',
`age` tinyint(4) DEFAULTNULL COMMENT '年龄',
`mate` tinyint(4) DEFAULT'1' COMMENT '有无配偶(1-有 0-无)',
PRIMARY KEY (`id`),
KEY `idx_name` (`name`),
KEY `idx_age` (`age`)
) ENGINE=MyISAM AUTO_INCREMENT=10DEFAULT CHARSET=utf8;

/*!40101 SET SQL_MODE=@OLD_SQL_MODE */;
/*!40014 SET FOREIGN_KEY_CHECKS=@OLD_FOREIGN_KEY_CHECKS */;

现有记录：

insert into `test`(`id`,`name`,`age`,`mate`) values (2,'aaaaa',28,0),
(3,'bbbb',23,0),
(4,'cccc',25,1),
(5,'dddd',26,0),
(6,'eeee',24,0),
(7,'fffff',18,0),
(8,'eeee',40,1),
(9,'eeee',60,1);

想去掉name重名的记录，方法如下：

   1.给name字段修改成唯一索引：

drop index idx_name on test;
alter table test add unique index (name);

这样当向表中添加相同记录的时候，会返回1062的添加失败信息。
但是有一种情况是表中已经有n个重复的记录，这时候我们才想起来要添加唯一索引，再执行上面的操作时，数据库会告诉你已经有重复的记录了，建立索引失败，这时候，我们可以用下面的操作：

alter ignore table test addunique idx_name (name);

它会删除重复的记录（别怕，会保留一条）(但是这个命令在MySQL5.1.37之前是可以的，在5.1.48以后就行不通了)，然后建立唯一索引，高效而且人性化。

另外需要注意的是alter ignore table 在percona版本的MySQL行不通，因为它创建索引的方式是：fast index creation

    2.重建表方法一：

创建另外一个表，为了防止原来的表结构丢失，可以先创建一个这样的“临时表”，

USE `test`;

/*Table structure for table `test` */

DROP TABLE IF EXISTS `uniq_test`;

CREATE TABLE `uniq_test` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`name` char(20) DEFAUL TNULL COMMENT '姓名',
`age` tinyint(4) DEFAUL TNULL COMMENT '年龄',
`mate` tinyint(4) DEFAULT'1' COMMENT '有无配偶(1-有 0-无)',
PRIMARY KEY (`id`),
KEY `idx_name` (`name`),
KEY `idx_age` (`age`)
) ENGINE=MyISAM AUTO_INCREMENT=10DEFAULT CHARSET=utf8;

从test表中查找数据，添加到uniq_test中：

insert into uniq_test select*from test group by name;
drop table test;
rename table uniq_test to test; 

3.删除重复记录法：

创建一个表用来存放，要删除的记录的id信息:

CREATE TABLE `tmp_ids` (
`id` int(11),
`name` char(20)  
) ENGINE=MyISAM;

如果要删除的记录不多的话，可以把这个表创建成内存表形式：

CREATE TABLE `tmp_ids` (
`id` int(11),
`name` char(20) 
) ENGINE=HEAP;

然后在test表中删除重复记录：

insert into tmp_ids select min(id),name from test groupby name havingcount(*)>1 order by null;
delete a.* from test a,tmp_ids b where b.name=a.name and a.id>b.id;
truncate table tmp_ids;

4.效率低下方法

DELETE test AS a FROM test AS a,
(
SELECT * 
FROM test
GROUP BY name 
HAVINGcount(1) >1
order by null
) AS b
WHERE a.name = b.name AND a.id > b.id; 

总结：

第一种方法历史22分钟，系统负载5左右；

第二种方法效率非常低下，把未知索引文件破坏，终止执行

第三种方法历时17分钟，其中

insert into tmp_ids select min(id),name from test group by name having count(*)>1 order by null

历时15分钟，删除动作历时2分钟，系统负载3左右

第四种方法，执行过程中，把它test的索引文件都破坏了，可见“威力”之大；