最近在做题库系统，由于在题库中添加了重复的试题，所以需要查询出重复的试题，并且删除掉重复的试题只保留其中1条，以保证考试的时候抽不到重复的题。

首先写了一个小的例子：

一、单个字段的操作

这是数据库中的表：

分组介绍

Select 重复字段 From 表 Group By 重复字段 Having Count(*)>1

查看是否有重复的数据：

• GROUP BY <列名序列>

• HAVING <组条件表达式>

查询出：根据dname分组，同时满足having字句中组条件表达式（重复次数大于1）的那些组

count(*)与count(1) 其实没有什么差别，用哪个都可以

count(*)与count（列名）的区别：

count(*)将返回表格中所有存在的行的总数包括值为null的行，然而count(列名)将返回表格中除去null以外的所有行的总数(有默认值的列也会被计入）。

1. 查询全部重复的数据

Select * From 表 Where 重复字段 In (Select 重复字段 From 表 Group By 重复字段 Having Count(*)>1)

2. 删除全部重复试题

将上面的查询select改为delete（这样会出错的）

DELETE``FROM` `dept``WHERE` `dname IN (`  `SELECT`   `dname`  `FROM`   `dept`  `GROUP BY`   `dname`  `HAVING`   `count(1) > 1` `)

会出现如下错误：[Err] 1093 - You can't specify target table 'dept' for update in FROM clause

原因是：更新这个表的同时又查询了这个表，查询这个表的同时又去更新了这个表，可以理解为死锁。mysql不支持这种更新查询同一张表的操作

解决办法：把要更新的几列数据查询出来做为一个第三方表，然后筛选更新。

3. 查询表中多余重复试题（根据depno来判断，除了rowid最小的一个）

a. 第一种方法

SELECT` `*``FROM` `dept``WHERE` `dname IN (`  `SELECT`   `dname`  `FROM`   `dept`  `GROUP BY`   `dname`  `HAVING`   `COUNT(1) > 1` `)``AND deptno NOT IN (` `SELECT`  `MIN(deptno)` `FROM`  `dept` `GROUP BY`  `dname` `HAVING`  `COUNT(1) > 1``)

上面这种写法正确，但是查询的速度太慢，可以试一下下面这种方法：

b. 第二种方法

根据dname分组，查找出deptno最小的。然后再查找deptno不包含刚才查出来的。这样就查询出了所有的重复数据（除了deptno最小的那行）。

SELECT *``FROM` `dept``WHERE` `deptno NOT IN (`  `SELECT`   `dt.minno`  `FROM`   `(`    `SELECT`     `MIN(deptno) AS minno`    `FROM`     `dept`    `GROUP BY`     `dname`   `) dt` `)

c. 补充第三种方法

SELECT` `*` `FROM` `table_name AS ta` `WHERE` `ta.唯一键 <> ( SELECT max( tb.唯一键 ) FROM table_name AS tb WHERE ta.判断重复的列 = tb.判断重复的列 );

4. 删除表中多余重复试题并且只留1条

a. 第一种方法：

DELETE``FROM` `dept``WHERE` `dname IN (`  `SELECT`   `t.dname`  `FROM`   `(`    `SELECT`     `dname`    `FROM`     `dept`    `GROUP BY`     `dname`    `HAVING`     `count(1) > 1`   `) t` `)``AND deptno NOT IN (``SELECT` `dt.mindeptno``FROM` `(`  `SELECT`   `min(deptno) AS mindeptno`  `FROM`   `dept`  `GROUP BY`   `dname`  `HAVING`   `count(1) > 1` `) dt``)

b. 第二种方法（与上面查询的第二种方法对应，只是将select改为delete）

DELETE``FROM` `dept``WHERE` `deptno NOT IN (`  `SELECT`   `dt.minno`  `FROM`   `(`    `SELECT`     `MIN(deptno) AS minno`    `FROM`     `dept`    `GROUP BY`     `dname`   `) dt` `)

c. 补充第三种方法（评论区推荐的一种方法）

DELETE` `FROM` `table_name AS ta` `WHERE` `ta.唯一键 <> (``SELECT` `t.maxid` `FROM` `( SELECT max( tb.唯一键 ) AS maxid FROM table_name AS tb WHERE ta.判断重复的列 = tb.判断重复的列 ) t`` );

二、多个字段的操作

单个字段的如果会了，多个字段也非常简单。就是将group by 的字段增加为你想要的即可。

此处只写一个，其他方法请仿照一个字段的写即可。

DELETE``FROM` `dept``WHERE` `(dname, db_source) IN (`  `SELECT`   `t.dname,`   `t.db_source`  `FROM`   `(`    `SELECT`     `dname,`     `db_source`    `FROM`     `dept`    `GROUP BY`     `dname,`     `db_source`    `HAVING`     `count(1) > 1`   `) t` `)``AND deptno NOT IN (` `SELECT`  `dt.mindeptno` `FROM`  `(`   `SELECT`    `min(deptno) AS mindeptno`   `FROM`    `dept`   `GROUP BY`    `dname,`    `db_source`   `HAVING`    `count(1) > 1`  `) dt``)

总结

=========

其实上面的方法还有很多需要优化的地方，如果数据量太大的话，执行起来很慢，可以考虑加优化一下：

• 在经常查询的字段上加上索引

• 将*改为你需要查询出来的字段，不要全部查询出来

  小表驱动大表用IN，大表驱动小表用EXISTS。IN适合的情况是外表数据量小的情况，而不是外表数据大的情况，因为IN会遍历外表的全部数据，假设a表100条，b表10000条那么遍历次数就是100*10000次，而exists则是执行100次去判断a表中的数据是否在b表中存在，它只执行了a.length次数。至于哪一个效率高是要看情况的，因为in是在内存中比较的，而exists则是进行数据库查询操作的。

本文转自 https://mp.weixin.qq.com/s/OWlRK0e2_ioEjWEMIe-tMw ，如有侵权，请联系删除。