Eliminar filas duplicadas dejando la fila más antigua ¿Solo?

Question

Tengo una tabla de datos y hay muchas entradas duplicadas de las presentaciones de los usuarios.

Quiero eliminar todas las filas duplicadas según el campo subscriberEmail, dejando solo el envío original.

En otras palabras, quiero buscar todos los correos duplicados y eliminar esas filas, dejando solo el original.

¿Cómo puedo hacer esto sin cambiar las tablas?
Mi tabla contiene identificadores únicos para cada fila.

Answer 1

Dado que está utilizando la columna id como un indicador de qué registro es 'original':

delete x 
from myTable x 
join myTable z on x.subscriberEmail = z.subscriberEmail 
where x.id > z.id 

Esto dejará un registro por e-mail.

de edición para añadir:

para explicar la consulta anterior ...

La idea aquí es unirse a la mesa contra sí mismo. Imagine que tiene dos copias de la tabla, cada una llamada algo diferente. Luego, puede compararlos entre sí y encontrar la identificación más baja o para cada dirección de correo electrónico. A continuación, vería los registros duplicados que se crearon más adelante y podría eliminarlos. (Estaba visualizando Excel al pensar en esto.)

Para hacer esa operación en una tabla, compararla consigo mismo y ser capaz de identificar cada lado, use alias de tabla. x es un alias de tabla. Se asigna en la cláusula from como lo siguiente: from <table> <alias>. x ahora se puede utilizar en otra parte de la misma consulta para hacer referencia a esa tabla como un acceso directo.

delete x comienza la consulta con nuestra acción y objetivo. Vamos a realizar una consulta para seleccionar registros de varias tablas, y queremos eliminar registros que aparecen en x.

Los alias se utilizan para referirse a ambas 'instancias' de la tabla. from myTable x join myTable z on x.subscriberEmail = z.subscriberEmail golpea la tabla contra sí misma donde coinciden los correos electrónicos. Sin la cláusula where que sigue, cada registro se seleccionaría ya que podría unirse entre sí.

La cláusula where limita los registros que se seleccionan. where x.id > z.id permite que la 'instancia' con alias x contenga solo los registros que coinciden con los correos electrónicos pero tiene un valor id más alto. Los datos que realmente desea en la tabla, las direcciones de correo electrónico únicas (con la identificación más baja) no serán parte de x y no se eliminarán. Los únicos registros en x serán registros duplicados (direcciones de correo electrónico) que tengan un id más alto que el registro original para esa dirección de correo electrónico.

la unión y donde cláusulas podrían combinarse en este caso:

delete x 
    from myTable x 
    join myTable z 
    on x.subscriberEmail = z.subscriberEmail 
     and x.id > z.id 

Para la prevención de duplicados, considerar la posibilidad de la columna de la subscriberEmail una columna indexada ÚNICA.

Answer 2

Si tiene una identificación única para cada fila, puede intentar algo como esto. No me preguntes por qué exactamente necesitas la segunda instrucción de selección, mysql no me permitirá ejecutar de otra manera. Además, agrupe según las columnas que hagan que sus resultados sean únicos.

delete from my_table where id in (
    select id from (
    select id from my_table a group by subscriberEmail having count(*) > 1 
) b 
); 

Answer 3

¿Qué tal esto, ahora no es necesario que crear las tablas temporales mediante auto une

DELETE u1 FROM users u1, users u2 WHERE u1.id < u2.id AND u1.email = u2.email 

Para comprobar si hay registros duplicados en la tabla

SELECT count(*) as Count, email FROM users u group by email having Count > 1