用“in”删除重复记录

问题描述

我有一张这样的桌子：

CREATE TABLE foo (
  id SERIAL,a INTEGER,b INTEGER,some DOUBLE,other VARCHAR,data INTEGER
);

而且我知道 (a,b) 必须是唯一的，但由于某些原因，这不是由数据库强制执行的。假设我不关心进一步的歧视，我只是不时地清除重复项，并且可能只保留最近的（ID 最大的）：

DELETE FROM foo WHERE id NOT IN (SELECT max(id) FROM foo GROUP BY a,b);

现在假设有 100.000 条记录，IN (...) 变得非常大。

我了解自联接（例如：DELETE FROM foo a LEFT JOIN foo b ON a.a = b.a AND a.b = b.b WHERE b.id < a.id），但这也意味着如果我有很多重复项，我会得到巨大的中间表。

我有哪些选择？

解决方法

如果要删除旧的重复值，可以使用：

delete from foo
    where foo.id < (select max(foo2.id)
                    from foo foo2
                    where foo2.a = foo.a and foo2.b = foo.b
                   );

请注意，(a,b,id) 上的索引将有助于提高性能。

您也可以将其表述为连接：

delete from foo
    using (select a,max(id) as max_id
           from foo
           group by a,b
          ) ab
    where foo.a = a.a and foo.b = ab.b and foo.id < ab.max_id;

postgresql sql sql sql-delete