想要精通算法和SQL的成长之路 - 删除重复的电子邮箱（SQL）

前言

想要精通算法和SQL的成长之路 - 系列导航

一. 删除重复的电子邮箱

原题链接
有一张Person表：

编写一个SQL删除语句来删除所有重复的电子邮件，只保留一个id最小的唯一电子邮件。

1.1 子查询（中间表相关知识点）

首先，我们可以去考虑如何拿到每种邮件最小id值：那么我们就需要用到group by 邮件 以及min(id)：

select min(p.id) as d_id from Person p group by p.email
1

结果如下（数据量大的话会更直观一点）：

之那么既然我们要保留这个数据，那么删除的时候，只需要反过来即可。删除不在上述返回结果集中的数据即可，即not in：

DELETE  from Person where id not in (select min(p.id) as d_id from Person p group by p.email)
1

但是这么写却有一个问题：

意思是不能先select出同一表中的某些值，再update这个表。即不能依据某字段值做判断再来更新某字段的值。

因此对于这种SQL，需要用到中间表来做查询，上述SQL修改为：

DELETE from Person where id not in (
	select d_id from (
		select min(p.id) as d_id from Person p group by p.email
	) t1
)
1
2
3
4
5

1.2 自连接

自连接的方式很直白：

DELETE p1 FROM Person p1,
    Person p2
WHERE
    p1.email = p2.email AND p1.id > p2.id
1
2
3
4

意思是：删除p1表中的数据，需要删除的数据需要满足下面的条件。

1. p1表和p2表的数据的邮箱一致。
2. p1表的id要大于p2表的id。

那么以p1表中的第一条数据为例：

在p2表中没有符合条件的，因为id为1是最小的，因此该条数据不删除。

---

再以p1表中的第二条数据为例：

在p2表中依旧没有符合条件的。

---

以p1表中的第三条数据为例：

它的id比p2表中的第一条数据要大，并且邮箱相同，满足条件，删除。

二. 总结

最终结果：

# 方案一
DELETE from Person where id not in (
	select d_id from (
		select min(p.id) as d_id from Person p group by p.email
	) t1
)
# 方案二
DELETE p1 FROM Person p1,
    Person p2
WHERE
    p1.email = p2.email AND p1.id > p2.id
1
2
3
4
5
6
7
8
9
10
11

知识点：不能依据某字段值做判断再来更新某字段的值。 伪代码表示就是：

update / delete xxx where 列 in ( select 列 where 条件)
1

这个时候需要运用中间表来做一次查询。