为了对重复数据进行实验,下面建一个设计不太好(没有主键)表并插入了一些重复数据:
create database testdb use testdb ; go create table DupsNoPK (Col1 int Null, Col2 char(5) Null ); go insert DupsNoPK(Col1,Col2) Values(1,‘abc‘), (2,‘abc‘), (2,‘abc‘), (2,‘abc‘), (7,‘xyz‘), (7,‘xyz‘);
为了验证表确实有重复数据,下面查询运用了一个group by 和having 子句只返回重复行,并对副本计数:
select Col1,Col2,Count(*) AS DupCount from DupsNoPK group by Col1,Col2 having count(*)>1;
结果:
下面是运用窗口化删除重复行:
这种方法的关键是运用窗口化的,有row_number()函数和分区的over()子句。每个新分区会重新编号。设置over()子句为partition by每个要检查重复数据的列。在这种情况下每一列都会进行检查。
运行窗口化查询,首先显示方法如何应用于行号:
select Col1,Col2, row_number()over(partition by Col1,Col2 order by Col1)as rn from DupsNoPK
结果:
每一个重复行都有一个比1大的rn值,所以,删除副本是比较容易的:
with DupsNumbered as( select Col1,Col2, row_number()over(partition by Col1,Col2 order by Col1) as rn from DupsNoPK ) delete DupsNumbered where rn>1;
结果:
执行完上面语句后,下面用一条select语句测试删除重复数据的结果: