這裡我來給出兩種查詢和刪除重複記錄的方法，一種是使用rowid輔助完成的，另外一種是藉助分析函式的力量來完成的。
這兩種方法的執行效率相對其他方法是高效的。即便如此，這兩種方法之間也有著本質上的效能區別，我將透過實驗的方式給大家展示一下這兩種方法，並道出其中的本質差別。

1.建立實驗用表並初始化幾條樣本資料
sec@ora10g> create table t (x number, y varchar2(10));
sec@ora10g> insert into t values (1, 'sec');
sec@ora10g> insert into t values (2, 'Andy01');
sec@ora10g> insert into t values (2, 'Andy02');
sec@ora10g> insert into t values (3, 'Anna');
sec@ora10g> insert into t values (4, 'Anna');
sec@ora10g> insert into t values (5, 'John');
sec@ora10g> commit;
sec@secooler> analyze table t compute statistics for table for all indexes for all indexed columns;

Table analyzed.

sec@ora10g> select * from t;

         X Y
---------- --------------------
         1 sec
         2 Andy01
         2 Andy02
         3 Anna
         4 Anna
         5 John

6 rows selected.

2.第一種使用rowid輔助查詢和刪除重複記錄的方法
1）查詢重複記錄
sec@ora10g> SELECT *
2    FROM t t1
3   WHERE t1.ROWID <> (SELECT MIN (t2.ROWID)
4                        FROM t t2
5                       WHERE t1.x = t2.x)
6 /

         X Y
---------- --------------------
         2 Andy02

BTW：如果想要查詢x和y欄位同時重複的內容，可以在上面的子查詢中再新增一個“AND t1.y = t2.y”條件即可。

2）刪除重複記錄
可以簡單的將上面的查詢語句改寫成刪除語句便可完成刪除任務。
sec@ora10g> DELETE FROM t t1
2        WHERE t1.ROWID <> (SELECT MIN (t2.ROWID)
3                             FROM t t2
4                            WHERE t1.x = t2.x)
5 /

1 row deleted.

可以看到，此時x欄位重複的內容已經被刪除了。
sec@ora10g> select * from t;

         X Y
---------- --------------------
         1 sec
         2 Andy01
         3 Anna
         4 Anna
         5 John

3.第二種使用分析函式輔助查詢和刪除重複記錄的方法
1）使用分析函式可以快速的定位重複記錄的位置，下面結果中rn值大於1的行即表示重複行。
sec@ora10g> SELECT t1.x,
2         t1.y,
3         ROW_NUMBER () OVER (PARTITION BY t1.x ORDER BY t1.ROWID) rn
4    FROM t t1
5 /

         X Y                            RN
---------- -------------------- ----------
         1 sec                           1
         2 Andy01                        1
         2 Andy02                        2
         3 Anna                          1
         4 Anna                          1
         5 John                          1

6 rows selected.

2）進一步使用上面的rn結果作為輔助條件便可得到重複記錄內容
sec@ora10g> SELECT t2.x, t2.y
2    FROM (SELECT t1.x,
3                 t1.y,
4                 ROW_NUMBER () OVER (PARTITION BY t1.x ORDER BY t1.ROWID) rn
5            FROM t t1) t2
6   WHERE t2.rn > 1
7 /

         X Y
---------- --------------------
         2 Andy02

3）刪除方法
（1）第一種方法是利用rowid構造delete語句來完成刪除，這種方法效率較低。
sec@ora10g> DELETE FROM t WHERE ROWID IN (
2    SELECT rowid
3      FROM (SELECT t1.x,
4                   t1.y,
5                   ROW_NUMBER () OVER (PARTITION BY t1.x ORDER BY t1.ROWID) rn
6              FROM t t1) t2
7     WHERE t2.rn > 1
8 )
9 /

1 row deleted.

（2）第二種方法，可以使用構造中間表t1的方法來完成，這是一種非常高效的去重方法，推薦在具有海量資料的資料庫環境中使用。
sec@ora10g> create table t1 as
2 SELECT t2.x, t2.y
3    FROM (SELECT t1.x,
4                 t1.y,
5                 ROW_NUMBER () OVER (PARTITION BY t1.x ORDER BY t1.ROWID) rn
6            FROM t t1) t2
7   WHERE t2.rn = 1
8 /

Table created.

sec@ora10g> drop table t;

Table dropped.

sec@ora10g> alter table t1 rename to t;

Table altered.

sec@ora10g> select * from t;

         X Y
---------- --------------------
         1 sec
         2 Andy01
         3 Anna
         4 Anna
         5 John

4.比較兩種查詢方法的執行計劃，便可得到兩種方法內在的效能差距的出處。
1）第一種使用rowid輔助查詢的執行計劃如下
sec@ora10g> set autot trace exp
sec@ora10g> SELECT *
2    FROM t t1
3   WHERE t1.ROWID <> (SELECT MIN (t2.ROWID)
4                        FROM t t2
5                       WHERE t1.x = t2.x)
6 /

Execution Plan
----------------------------------------------------------
Plan hash value: 3924487551

----------------------------------------------------------------------------
| Id | Operation           | Name | Rows | Bytes | Cost (%CPU)| Time     |
----------------------------------------------------------------------------
|   0 | SELECT STATEMENT    |      |     5 |    55 |     6   (0)| 00:00:01 |
|* 1 | FILTER             |      |       |       |            |          |
|   2 |   TABLE ACCESS FULL | T    |     6 |    66 |     3   (0)| 00:00:01 |
|   3 |   SORT AGGREGATE    |      |     1 |    11 |            |          |
|* 4 |    TABLE ACCESS FULL| T    |     1 |    11 |     3   (0)| 00:00:01 |
----------------------------------------------------------------------------

Predicate Information (identified by operation id):
---------------------------------------------------

   1 - filter("T1".ROWID<> (SELECT MIN("T2".ROWID) FROM "T" "T2" WHERE
              "T2"."X"=:B1))
   4 - filter("T2"."X"=:B1)

2）第二種使用分析函式輔助查詢的執行計劃如下
sec@ora10g> SELECT t1.x,
2         t1.y,
3         ROW_NUMBER () OVER (PARTITION BY t1.x ORDER BY t1.ROWID) rn
4    FROM t t1
5 /

Execution Plan
----------------------------------------------------------
Plan hash value: 2335850315

---------------------------------------------------------------------------
| Id | Operation          | Name | Rows | Bytes | Cost (%CPU)| Time     |
---------------------------------------------------------------------------
|   0 | SELECT STATEMENT   |      |     6 |    66 |     4 (25)| 00:00:01 |
|   1 | WINDOW SORT       |      |     6 |    66 |     4 (25)| 00:00:01 |
|   2 |   TABLE ACCESS FULL| T    |     6 |    66 |     3   (0)| 00:00:01 |
---------------------------------------------------------------------------

3）透過比較上面兩個執行計劃可以得到如下結論
第一種方法採用2次TABLE ACCESS FULL，第二種方法採用僅一次TABLE ACCESS FULL。
從執行計劃上可以得出使用分析函式的方法更加的高效。

5.小結
在DBA資料庫維護工作中，重複記錄去除問題往往是不可避免的。在具有海量資料的資料庫中去除重複記錄是一件很艱鉅的任務，如果方法選擇不正確，很可能難以完成任務。
我這裡介紹的兩種方法都是相對比較高效的，細節之處請慢慢體會。

完成任務的手段和方法很多，只有將維護時間和對生產資料庫的衝擊較少到最低的方法才是可以接受的正確方法。

Good luck.

-- The End --

【探索】兩種查詢和刪除重複記錄的方法及其效能比較

相關文章