Postgresql删除数据库表中重复数据的几种方法详解（post startup error）深度揭秘

🌐 经济型：买域名、轻量云服务器、用途：游戏网站等《腾讯云》特点：特价机便宜适合初学者用点我优惠购买

🚀 拓展型：买域名、轻量云服务器、用途：游戏网站等《阿里云》特点：中档服务器便宜域名备案事多点我优惠购买

🛡️ 稳定型：买域名、轻量云服务器、用途：游戏网站等《西部数码》特点：比上两家略贵但是稳定性超好事也少点我优惠购买

一直使用Postgresql数据库，有一张表是这样的：

DROP TABLE IF EXISTS “public”.”devicedata”;
CREATE TABLE “public”.”devicedata” (
“Id” varchar(200) COLLATE “pg_catalog”.”default” NOT NULL,
“DeviceId” varchar(200) COLLATE “pg_catalog”.”default”,
“Timestamp” int8,
“DataArray” float4[]
)

CREATE INDEX “timeIndex” ON “public”.”devicedata” USING btree (
“Timestamp” “pg_catalog”.”int8_ops” DESC NULLS LAST,
“DeviceId” COLLATE “pg_catalog”.”default” “pg_catalog”.”text_ops” ASC NULLS LAST
);

ALTER TABLE “public”.”devicedata” ADD CONSTRAINT “devicedata_pkey” PRIMARY KEY (“Id”);

主键为Id，是通过程序生成的GUID，随着数据表的越来越大（70w），即便我建立了索引，查询效率依然不乐观。

使用GUID作为数据库的主键对分布式应用比较友好，但是不利于数据的插入，可以使用类似ABP的方法生成连续的GUID解决这个问题。

为了进行优化，计划使用DeviceId与Timestamp作为主键，由于主键会自动建立索引，使用这两个字段查询的时候，查询效率可以有很大的提升。不过，由于数据库的插入了很多的重复数据，直接切换主键不可行，需要先剔除重复数据。

数据量小的时候适用。对于我这个70w的数据，查询运行了半个多小时也无法完成。

DELETE FROM “DeviceData”
WHERE “Id”
NOT IN (
SELECT max(“Id”)
FROM “DeviceData_temp”
GROUP BY “DeviceId”, “Timestamp”
);

建立一张新表然后插入数据，或者使用select into语句。

SELECT DISTINCT “Timestamp”, “DeviceId”
INTO “DeviceData_temp”
FROM “DeviceData”;
— 删除原表
DROP TABLE “DeviceData”;
— 将新表重命名
ALTER TABLE “DeviceData_temp” RENAME TO “DeviceData”;

不过这个问题也非常大，很明显，未来的表，是不需要Id列的，但是DataArray也没有了，没有意义。

如果SELECT DISTINCT “Timestamp”, “DeviceId”, “DataArray”，那么可能出现”Timestamp”, “DeviceId”重复的现象。

如果我们直接建立新表格，设置好新的主键，然后插入数据，如果重复了就跳过不就行了？但是使用select into是不行了，重复的数据会导致语句执行中断。需要借助upsert（on conflict）方法。

INSERT INTO “DeviceData_temp”
SELECT * FROM “DeviceData”
on conflict(“DeviceId”, “Timestamp”) DO NOTHING;
— 删除原表
DROP TABLE “DeviceData”;
— 将新表重命名
ALTER TABLE “DeviceData_temp” RENAME TO “DeviceData”;

执行不到100s就完成了，删除了许多重复数据。

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对脚本之家的支持。如果你想了解更多相关内容请查看下面相关链接

您可能感兴趣的文章:postgresql 删除重复数据的几种方法小结postgresql 删除重复数据案例详解postgresql如何找到表中重复数据的行并删除