Entfernen Sie doppelte Zeilen mit der ältesten Zeile Nur?

Question

Ich habe eine Tabelle mit Daten und es gibt viele doppelte Einträge von Benutzereinreichungen.

Ich möchte alle Duplikatzeilen basierend auf dem Feld subscriberEmail löschen, nur die ursprüngliche Einreichung zu verlassen.

Mit anderen Worten, ich möchte nach allen doppelten E-Mails suchen und diese Zeilen löschen, nur das Original zurücklassen.

Wie kann ich dies tun, ohne Tabellen zu tauschen?
Meine Tabelle enthält eindeutige IDs für jede Zeile.

Answer 1

Da Sie die ID-Spalte als Indikator verwenden, von denen Datensatz ‚Original‘ ist:

delete x 
from myTable x 
join myTable z on x.subscriberEmail = z.subscriberEmail 
where x.id > z.id 

So bleibt ein Datensatz pro E-Mail-Adresse.

bearbeiten hinzuzufügen:

die Abfrage oben Um zu erklären, ...

Die Idee hier ist die Tabelle mit sich selbst zu verbinden. Tue so, als hättest du zwei Kopien der Tabelle, die jeweils etwas anderes benannt haben. Dann können Sie sie miteinander vergleichen und die niedrigste ID oder für jede E-Mail-Adresse finden. Sie sehen dann die doppelten Datensätze, die später erstellt wurden, und könnten sie löschen. (Ich visualisierte Excel, wenn ich darüber nachdachte.)

Um diese Operation für eine Tabelle auszuführen, vergleichen Sie sie mit sich selbst und können Sie jede Seite identifizieren, indem Sie Tabellenaliasnamen verwenden. x ist ein Tabellenalias. Es ist in der from Klausel wie folgt zugeordnet: from <table> <alias>. x kann jetzt an anderer Stelle in derselben Abfrage verwendet werden, um auf diese Tabelle als Verknüpfung zu verweisen.

delete x startet die Abfrage mit unserer Aktion und Ziel. Wir werden eine Abfrage ausführen, um Datensätze aus mehreren Tabellen auszuwählen, und wir möchten Datensätze löschen, die in x angezeigt werden.

Aliase werden verwendet, um auf beide "Instanzen" der Tabelle zu verweisen. from myTable x join myTable z on x.subscriberEmail = z.subscriberEmail bumps den Tisch gegen sich selbst, wo die E-Mails übereinstimmen. Ohne die where-Klausel, die folgt, würde jeder Datensatz so ausgewählt werden, wie er mit sich selbst verbunden werden könnte.

Die Klausel where begrenzt die ausgewählten Datensätze. where x.id > z.id ermöglicht die "Instanz" aliased x enthalten nur die Datensätze, die E-Mails entsprechen, aber einen höheren Wert id haben. Die Daten, die Sie wirklich in der Tabelle möchten, eindeutige E-Mail-Adressen (mit der niedrigsten ID) sind nicht Bestandteil von x und werden nicht gelöscht. Die einzigen Datensätze in x werden doppelte Datensätze (E-Mail-Adressen) sein, die eine höhere id als der ursprüngliche Datensatz für diese E-Mail-Adresse haben.

Die Join und wo Klauseln in diesem Fall kombiniert werden könnten:

delete x 
    from myTable x 
    join myTable z 
    on x.subscriberEmail = z.subscriberEmail 
     and x.id > z.id 

Dubletten zu verhindern, sollten Sie die subscriberEmail Spalte eine UNIQUE-indizierte Spalte zu machen.

Answer 2

Wenn Sie eine eindeutige ID für jede Zeile haben, können Sie so etwas versuchen. Frag mich nicht, warum genau du die zweite select-Anweisung brauchst, mysql lässt mich sonst nicht ausführen. Gruppieren Sie auch nach Spalten, die Ihre Ergebnisse einzigartig machen.

delete from my_table where id in (
    select id from (
    select id from my_table a group by subscriberEmail having count(*) > 1 
) b 
); 

Answer 3

Wie wäre es damit, Sie müssen jetzt keine temporäre Tabellen erstellen selbst Joins

DELETE u1 FROM users u1, users u2 WHERE u1.id < u2.id AND u1.email = u2.email 

Um zu überprüfen, ob es irgendwelche doppelte Datensätze in der Tabelle sind

SELECT count(*) as Count, email FROM users u group by email having Count > 1