本文實例講述了刪除MySQL重復數據的方法。分享給大家供大家參考。具體方法如下：
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，發現數據庫裡面很多冗余數據。因為在采集中，對於同一台設備，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。對於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：
復制代碼 代碼如下:+----------------+--------------+------+-----+---------+-------+
| 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
復制代碼 代碼如下:select count(*) from perf_linux;
輸出 427366
查詢所有時間點不同設備的數據量
復制代碼 代碼如下: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:
復制代碼 代碼如下:select id, conf_id ,insert_time from perf_linux order by insert_time, conf_id;
輸出：
復制代碼 代碼如下:| 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，但是分組怎麼取一個呢？我采用了中間表的形式。
創建中間表，並把數據導入中間表
復制代碼 代碼如下: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。
復制代碼 代碼如下: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
復制代碼 代碼如下:select min(auto_id) as auto_id from perf_linux_t group by insert_time ;
刪除不對的數據
復制代碼 代碼如下: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
復制代碼 代碼如下: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。
復制代碼 代碼如下: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
復制代碼 代碼如下:ALTER TABLE `tmp`
DROP COLUMN `auto_id`,
DROP PRIMARY KEY;
導回數據
刪除原來的數據
復制代碼 代碼如下:truncate table perf_linux;
插入數據
復制代碼 代碼如下:insert into perf_linux select * from tmp;
刪除中間表
復制代碼 代碼如下: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並沒有完全定位，還需要觀察才能定位問題。
希望本文所述對大家的mysql數據庫程序設計有所幫助。
