从 sqlite 数据库中删除重复的行

Question

我在 SQLite3 中有一个巨大的表 - 3600 万行。在这个非常大的表中，有两列：

• hash - 文字
• d - 真实

有些行是重复的。也就是说，hash 和 d 具有相同的值。如果两个哈希值相同，则d 的值也相同。但是，两个相同的d's 并不意味着两个相同的hash'es。

我想删除重复的行。我没有主键列。

最快的方法是什么？

Answer 1

您需要一种区分行的方法。根据您的评论，您可以为此使用特殊的 rowid column。

通过保持最低的rowid 每(hash,d) 来删除重复：

delete   from YourTable
where    rowid not in
         (
         select  min(rowid)
         from    YourTable
         group by
                 hash
         ,       d
         )

Answer 2

我想最快的方法是使用数据库：添加一个具有相同列但具有适当约束的新表（哈希/实数对上的唯一索引？），遍历原始表并尝试在新表中插入记录，忽略约束违规错误（即在引发异常时继续迭代）。

然后删除旧表并将新表重命名为旧表。

Answer 3

如果添加主键不是一个选项，那么一种方法是将重复的 DISTINCT 存储在临时表中，从现有表中删除所有重复的记录，然后将记录从临时表。

例如（为 SQL Server 2008 编写，但技术对于任何数据库都是相同的）：

DECLARE @original AS TABLE([hash] varchar(20), [d] float)
INSERT INTO @original VALUES('A', 1)
INSERT INTO @original VALUES('A', 2)
INSERT INTO @original VALUES('A', 1)
INSERT INTO @original VALUES('B', 1)
INSERT INTO @original VALUES('C', 1)
INSERT INTO @original VALUES('C', 1)

DECLARE @temp AS TABLE([hash] varchar(20), [d] float)
INSERT INTO @temp
SELECT [hash], [d] FROM @original 
GROUP BY [hash], [d]
HAVING COUNT(*) > 1

DELETE O
FROM @original O
JOIN @temp T ON T.[hash] = O.[hash] AND T.[d] = O.[d]

INSERT INTO @original
SELECT [hash], [d] FROM @temp

SELECT * FROM @original

我不确定 sqlite 是否有 ROW_NUMBER() 类型函数，但如果有，您也可以尝试此处列出的一些方法：Delete duplicate records from a SQL table without a primary key