MySQL中经常会遇到重复的数据，那么当我们遇到重复的时候的时候，如果定位哪些数据是有重复的记录？如何删除重复的数据？我们该怎么做呢？接下来我们一步步来分析一下遇到这样的情况后，该如何处理。

咋办呢？

初始化实验环境

我们创建一个简单的表user_info，然后基于这个表进行分析重复数据的处理情况。其中的id为自增主键，name、sex、age三个列是我们判断是否为重复数据的key，如果这三列的值相同，则认为这行数据为重复数据。

• 建表语句如下：

CREATE TABLE `user_info` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL,
  `sex` varchar(255) DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `remark` varchar(255) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=13 DEFAULT CHARSET=utf8;

• 初始化数据如下：

INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (1, 'A', '男', 22, '第一个A');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (2, 'B', '女', 33, '第一个B');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (3, 'C', '男', 44, '第一个C');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (4, 'D', '女', 55, '第一个D');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (5, 'A', '男', 22, '第二个A');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (6, 'B', '女', 33, '第二个B');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (7, 'C', '男', 44, '第二个C');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (8, 'D', '女', 55, '第二个D');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (9, 'E', '男', 18, '第一个E');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (10, 'A', '男', 22, '第三个A');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (11, 'B', '女', 33, '第三个B');
INSERT INTO `tmp_test`.`user_info`(`id`, `name`, `sex`, `age`, `remark`) VALUES (12, 'F', '男', 15, '第一个F');

• 最后表中数据如下:

初始化的测试数据

明确需求

假设我们的要求是保留重复数据中，第一次出现的数据，后面出现的数据不保留。

也就是我们的上面的这个表中每一组重复数据中id最小的一行数据需要保留，其他比较大的id的重复的数据行需要被删除。当然如果是要保留id行最大的一行数据最为最后的数据行也是可以了，只要在查询的时候，稍微修改一下SQL语句的min(id)或max(id)函数即可。

开整

查找重复的数据

基于前面我们初始化的实验数据，首先我们要查询出那些数据是有重复数据的行，通过下面的SQL语句，可以得到结果：其中有重复数据的是name值为A、B、C、D的四种类型的数据。

• 使用如下SQL可以查询出来那些数据行有重复记录，并统计出重新出现的次数。

select 
	name, sex, age, 
  count(*) as count -- 数据重复出现的次数
from user_info 
group by name, sex, age 
having count(*) > 1;

• 重复数据在表中的统计结果如下：

数据重复的统计情况

查找要保留的数据

上面我们知道该如何查询哪些数据是重复数据了，那么我们需要保留的数据是哪些？

• 使用下面的SQL既可以获取到我们要保留的数据行：

select * from user_info 
where id in (
	select 
		min(id) 
	from user_info 
	group by name, sex, age
);

• 结果如下：

每组重复数据中，id值最小的数据行

上面的结果就是我们需要最后留下来的数据。这里包含了非重复的时候和每一组重复的数据中id最小的数据行。

删除重复的数据

方法一

这是最笨的一种方式，也是最容易理解的一种方式，效率也比较低。思路如下：

步骤一

步骤二

步骤三

从上面的过程中，我们一步一步定位到了我们需要删除的数据是哪些。定位到这些数据之后，删除的时候，只要把查询语句改为删除语句即可。所以最后通过这样的方式来删除我时候，我们的删除语句如下：

delete from user_info 
where (name,sex,age) in ( 
	select x.* from ( -- 删除的时候，这里要在包裹一层子查询
		select -- 查询重复数据中，name, sex, age的值
			name, sex, age
		from user_info
		group by name, sex, age
		having count(*) > 1
	) as x
)
and id not in (
	select min_id from ( -- 删除的时候，这里要在包裹一层子查询
		select -- 查询重复数据中，最小的id值
			min(id) as min_id
		from user_info 
		group by name, sex, age
		having count(*) > 1
	) as y
);

注意：上面的删除语句中，我们在两个where条件中的子查询语句外面又包裹了一层子查询，即为上面SQL语句中的as x和as y两个查询语句，之所以包裹一层的原因是在程序如下的错误提示：

1093 - You can't specify target table 'user_info' 
for update in FROM clause, Time: 0.084000s

上述错误的原因是：修改一个表的时候子查询不能是这被修改的这个表，所以，我们的解决办法是，在子查询外面再套一层查询语句就可以了。

方法二

上面方法一的思路是想办法找到我们要删除的数据是哪些，然后我们在删除的时候，使用where条件去匹配这些查询出来要删除的数据行，以此来达到删除重复数据的目的。

换个思路解决

此时，我们不妨换一个角度思考：我们不要去关注哪些是我们需要删除的重复数据，相反，我们去关注哪些是我们需要留下来的数据。然后我们可以在删除的时候，使用取反的方式not in我们需要保留下来的数据，那不是就我们需要删除的数据吗？

所以，我们想一想哪些使我们需要留下来的数据呢？每一组数据中，id值最小的哪一行就是我们要保留的数据行。其余的我们就不关心了。那么怎么样才能取到这样的数据行呢？

• 使用下面的SQL语句可以获取我们需要保留的数据行的所有的id的值：

select 
	min(id) 
from user_info 
group by name, sex, age;

• 结果如下：

既然我们想要保留的数据行的id集合得到了，在我们要删除数据的where条件中，使用not in我们要保留的id集合，不就是需要删除的数据吗？

• 删除重复数据的语句如下：

delete from user_info 
where id not in(
	select min_id from (
		select 
			min(id) as min_id
		from user_info 
		group by name, sex, age
	) as x
);

注意：这里为了避免MySQL的1903错误，我们也在where条件的子查询中包裹了另外一个子查询，即上面SQL中as x查询语句。

方法三

寻找更高效简单的方法

通过两个表关联的方式来删除数据，这个方式效率比较高，推荐使用这种方式。自己和自己关联，关联的条件就是我们判断数据是否为重复数据的key。除此之外，最重要的一个条件是：两个表的id关联条件，这个是删除保留数据的关键条件。

• 查询重复数据的SQL语句如下：

select a.*,b.* 
from user_info as a 
inner join user_info as b 
on a.name = b.name 
and a.sex = b.sex 
and a.age = b.age
and  a.id > b.id;

• 结果如下：

写法1

删除重复数据SQL语句如下：

delete a.*
from user_info as a 
inner join user_info as b 
on a.name = b.name 
and a.sex = b.sex 
and a.age = b.age
and  a.id > b.id;

写法2

除了上面的那种写法之外，还有另外一种写法，如下：

查询待删除的重复数据SQL如下：

select * from user_info as a 
where a.id <> (
	select 
		min(b.id) 
	from user_info as b 
	where a.name = b.name
	and a.sex = b.sex
	and a.age = b.age
);

删除重复数据的SQL语句如下：

delete a.* from user_info as a
where a.id <> (
	select
		min(b.id)
	from (
		select * from user_info
	) as b
	where a.`name`= b.`name`
	and a.sex = b.sex
	and a.age = b.age
);

总结

以上是对于MySQL中重复数据删除的时候，经常使用的方法。对于其他数据库中存在的重复数据，删除的思路也是这些，只是具体到SQL语句的写法可能稍有稍有差异。只要你掌握了思路，具体到SQL语句的写法，尝试几次就可以成功。

以上，希望能帮助到你。

最后提醒一点： 在真正删除之前，记得对原数据备份一下。以便删除错误后，数据不能恢复回来。可以使用如下的语句来创建一个备份表，以便于在删除错误后，把数据恢复到原来的表中去。

create table user_info_bak as select * from user_info; --创建一个备份表
truncate table user_info; -- 清空原始表中的数据
insert into user_info select * from user_info_bak; -- 从备份表中把数据插入到原始表中

像上面这样操作，数据如果删除失误的时候，可以从user_info_bak中还原数据到user_info表中。