楼主 发表于： 2010-06-21 11:46:31
本帖最后由 luckycynthia 于 2010-06-21 11:47:46 编辑
在抓取数据后对数据进行操作的途中，有时候会碰到重复数据，重复数据有时候会导致了数据库部分设置不能正确设置，所以就要进行筛选。
首先，有两个意义上的重复记录，一是完全重复的记录，也即所有字段均重复的记录，二是部分关键字段重复的记录，比如Name字段重复，而其他字段不一定重复或都重复可以忽略。
对于第一种重复，比较容易解决，使用：
select distinct * from tableName
就可以得到无重复记录的结果集。
如果该表需要删除重复的记录（重复记录保留1条），可以按以下方法删除：
select distinct * into #Tmp from tableName
drop table tableName
select * into tableName from #Tmp
drop table #Tmp
对于第二种重复，我们需要使用以下这种方法，假设重复字段为Mobile和UnitName：
select * from tableNam
where [Mobile] in (select [Mobile] from info_user_a group by [Mobile] having count([Mobile])>1)
and id not in (select min(id) from info_user_a group by [Mobile] having count([Mobile])>1)
and [UnitName] in (select [UnitName] from info_user_a group by [UnitName] having count([UnitName])>1)
and id not in (select min(id) from info_user_a group by [UnitName] having count([UnitName])>1)
这样是得到了重复的数据，如果想要删除，只需把开头的select *改成delete即可。
接下来是重点，如果数据库真的有一千万，或者上千万，千万别直接对整个库进行操作，好点的办法就是把一个库分成多个，比如原先有1000W，就分成10个100W，然后分别对这10个100W的库操作，不过如果真的有上千万的数据，建议还是改用oracle数据库比较好，我用sql server 2008感觉上都有点吃不消，而且还是双核酷睿CPU，可能是内存有点小，只有2G。