原文: 刪除MySQL重復數據

刪除MySQL重復數據

項目背景

在最近做的一個linux性能采集項目中，發現線程的程序入庫很慢，再仔細定位，發現數據庫里面很多冗余數據。因為在采集中，對于同一臺設備，同一個時間點應該只有一個數據，然而，數據庫中存入了多個數據。對于如何造成了這個結果，一時沒有想清楚，但為了解決入庫慢的問題，首先要刪除冗余數據。

問題描述

數據庫的表結構很簡單，如下：

---

    
      +----------------+--------------+------+-----+---------+-------+

| Field          | Type         | Null | Key | Default | Extra |

+----------------+--------------+------+-----+---------+-------+

| id             | varchar(255) | NO   | PRI | NULL    |       |

| conf_id        | varchar(255) | NO   | MUL | NULL    |       |

| insert_time    | datetime     | YES  |     | NULL    |       |

| cpu_usage      | float(11,2)  | YES  |     | NULL    |       |

| memory_usage   | float(11,2)  | YES  |     | NULL    |       |

| io_usage_write | float(11,2)  | YES  |     | NULL    |       |

| io_usage_read  | float(11,2)  | YES  |     | NULL    |       |

+----------------+--------------+------+-----+---------+-------+
    
  

---

查詢所有數據量

    
      select count(*) from perf_linux;
    
  

輸出 427366

查詢所有時間點不同設備的數據量

    
      select count(distinct conf_id, insert_time) from perf_linux ;
    
  

輸出42387

由上面的數據可以看出，數據冗余了10倍左右。

再按時間分組看一下:

    
      select id, conf_id ,insert_time from perf_linux order by insert_time, conf_id;
    
  

輸出：

    
      | 2a79f7cd-43a9-4c7b-adb2-316b6c04283e | 1       | 2014-12-09 15:09:14 |

| 50d6f6c2-9c8b-45fd-98fd-2be211221cfd | 1       | 2014-12-09 15:09:14 |

| 740b52e1-e868-4074-ba36-74e2634401b3 | 1       | 2014-12-09 15:09:14 |

| 8b0096a4-9e85-417b-a131-e3505ca79a9c | 1       | 2014-12-09 15:09:14 |

| 90a9e882-5220-4508-a56f-8d4ab4a7929b | 1       | 2014-12-09 15:09:14 |

| d17403ed-24a4-45e8-b51b-2a95118383d9 | 1       | 2014-12-09 15:09:14 |

| 0c2da917-579b-4080-857d-7159f38b44ac | 2       | 2014-12-09 15:09:14 |

| 263083eb-8f63-4d2b-a03f-3320aa678735 | 2       | 2014-12-09 15:09:14 |

| d6c57a38-080b-465a-a55a-beafd9daf32d | 2       | 2014-12-09 15:09:14 |

| f672227b-1fb8-4b85-880d-2cc34b02880d | 2       | 2014-12-09 15:09:14 |

| f80020fe-6cb5-48ec-beb0-4e8ebeb0ca57 | 2       | 2014-12-09 15:09:14 |

| ff633a35-824d-49ba-b78c-5bcc5df8d1cc | 2       | 2014-12-09 15:09:14 |

| 5c41e48a-abfc-4108-a00e-ca7def7d5a5a | 3       | 2014-12-09 15:09:14 |

| 60b7ab9e-c91a-4020-a6d3-7bceb1dc47c5 | 3       | 2014-12-09 15:09:14 |

| 7b6cd2b8-ac6d-43eb-8858-e15885e676c8 | 3       | 2014-12-09 15:09:14 |

| d53a3df5-08c4-4604-8fac-cb51077935f6 | 3       | 2014-12-09 15:09:14 |

| d9e4ba14-f98d-42a8-b3bc-2879d58aa797 | 3       | 2014-12-09 15:09:14 |

| f56f82f6-32a7-47f7-ae07-b13168743884 | 3       | 2014-12-09 15:09:14 |

| 076c4c1b-0028-4a9c-a8c4-de655bd6ab6b | 4       | 2014-12-09 15:09:14 |

| 2a90ad9e-11a5-4707-95e8-78491da658ad | 4       | 2014-12-09 15:09:14 |

| 3b17ad1d-e589-4b65-93a7-d61fc99b4071 | 4       | 2014-12-09 15:09:14 |

| 6988d6cf-44ef-47f7-808d-09791caf2d90 | 4       | 2014-12-09 15:09:14 |

| 8404d281-f9e5-4153-a47e-128c05386758 | 4       | 2014-12-09 15:09:14 |

| e042e310-7ff2-4e4d-8c98-71e3e4d57828 | 4       | 2014-12-09 15:09:14 |

+--------------------------------------+---------+---------------------+
    
  

由上圖可見，同一個時間點的同一個設備的數據有冗余，現在我們要把這些冗余數據去掉。

解決方法

思路是這樣的：首先應該按照conf_id和時間點來判斷，進行分組（group by）查詢，每組中再取一個就可以。分組是很簡單，但是分組怎么取一個呢？我采用了中間表的形式。

創建中間表，并把數據導入中間表

    
      create table perf_linux_t like perf_linux;
    
  

    
      insert into perf_linux_t select * from perf_linux;
    
  

在中間表中增加一個字段，此字段是自增長的。

    
      ALTER TABLE `perf_linux_t` 

ADD COLUMN `auto_id` INT NOT NULL AUTO_INCREMENT ,

DROP PRIMARY KEY,

ADD PRIMARY KEY (`auto_id`);
    
  

刪除無用數據

先查詢一下

    
      select min(auto_id) as auto_id from perf_linux_t group by insert_time ;
    
  

刪除不對的數據

    
      delete  from perf_linux_t where auto_id not in (select min(auto_id) as auto_id from perf_linux_t group by insert_time);
    
  

慢著，輸出錯誤：

You can't specify target table 'perf_linux_t' for update in FROM clause

不能刪除啊，那只能再建一個中間表了。

再建中間表

    
      create table tmp like perf_linux_t;
    
  

轉變思路，不刪除不符合的數據，而是把符合的數據存到這張新表中。

    
      insert into tmp select * from perf_linux_t where auto_id in (select min(auto_id) as auto_id from perf_linux_t group by insert_time,conf_id );
    
  

把這張表中的無用列刪除

    
      ALTER TABLE `tmp` 

DROP COLUMN `auto_id`,

DROP PRIMARY KEY;
    
  

導回數據

刪除原來的數據

    
      truncate table perf_linux;
    
  

插入數據

    
      insert into perf_linux select * from tmp;
    
  

刪除中間表

    
      drop table tmp;
    
  

    
      drop table perf_linux_t;
    
  

總結

通過這個方法，數據變為了42387條，刪除了冗余的數據。但實際上程序的問題并沒有完全定位，還需要觀察才能定位問題。

而且我覺得我這個方法應該算比較土的方法，如果各位有更好的方式，希望不吝賜教。

參考：

mysql刪除重復記錄語句的方法

刪除MySQL重復數據