何十万ものレコードを持つデータセットで重複を取得する高速SQLの例は何ですか。私は通常次のようなものを使用します:
SELECT afield1, afield2 FROM afile a
WHERE 1 < (SELECT count(afield1) FROM afile b WHERE a.afield1 = b.afield1);
しかし、これはかなり遅いです。
これはより直接的な方法です:
select afield1,count(afield1) from atable
group by afield1 having count(afield1) > 1
あなたは試すことができます:
select afield1, afield2 from afile a
where afield1 in
( select afield1
from afile
group by afield1
having count(*) > 1
);
同様の質問が先週行われました。そこにはいくつかの良い答えがあります。
その質問では、OPはテーブル(ファイル)のすべての列(フィールド)に関心がありましたが、行が同じキー値(afield1)を持っている場合、行は同じグループに属していました。
答えには次の3種類があります。
where句のサブクエリ。ここにある他のいくつかの回答と同様です。
テーブルとテーブルとして表示されるグループ間の内部結合(私の答え)
分析クエリ(私にとって新しいもの)。
ちなみに、誰かが重複を削除したい場合は、これを使用しました:
delete from MyTable where MyTableID in (
select max(MyTableID)
from MyTable
group by Thing1, Thing2, Thing3
having count(*) > 1
)
これはかなり高速でなければなりません(dupeFieldsにインデックスが付けられている場合はさらに高速です)。
_SELECT DISTINCT a.id, a.dupeField1, a.dupeField2
FROM TableX a
JOIN TableX b
ON a.dupeField1 = b.dupeField2
AND a.dupeField2 = b.dupeField2
AND a.id != b.id
_
このクエリの唯一の欠点は、あなたがCOUNT(*)
を実行していないため、回数を確認できないことです。一度より。