在项目中我们常会对数据进行去重处理，有时候会用in或者EXISTS函数。或者通过group by也是可以实现查重
不过Postgresql还有自带去重函数：distinct
下面是distinct 的实例：
1、创建表：user
|
1
2
3
4
5
6
7
8
9
|
CREATE TABLE `user` ( `name` varchar(30) DEFAULT NULL, `age` int(11) DEFAULT NULL) ENGINE=InnoDB DEFAULT CHARSET=utf8;INSERT INTO `user` VALUES ('张三', 20);INSERT INTO `user` VALUES ('李四', 22);INSERT INTO `user` VALUES ('李四', 20);INSERT INTO `user` VALUES ('张三', 22);INSERT INTO `user` VALUES ('张三', 20); |
查询结果：
|
1
2
3
4
5
6
|
SELECT * FROM user张三 20李四 22李四 20张三 22张三 20 |
2、根据 name 查询去重后的数据：
|
1
2
3
|
SELECT distinct name FROM user张三李四 |
3、根据name 和 age 查询去重后的数据：
|
1
2
3
4
5
|
SELECT distinct name,age FROM user张三 20李四 22李四 20张三 22 |
4、根据name,age查询重复数据数：
|
1
2
3
4
5
|
SELECT distinct name,age,count(*) 数据条数 FROM user GROUP BY name,age张三 20 2张三 22 1李四 20 1李四 22 1 |
二、查出重复数据后，我们需要删除重复数据
删除重复数据一般几种方式，一般采用 临时表 或者根据 某个字段，例如id等，通过max或者min函数去重。
补充：基于postgresql ctid实现数据的差异同步
项目背景：
最近在做异构数据同步方面（非实时）的工作，从oracle,gbase,postgresql向mysql数据库中同步，对于没有自增字段（自增ID或时间字段）的业务表，做差异同步是一件非常麻烦的事情，主要体现在记录的新增、更新与删除上
备注：源库只提供一个只读权限的用户
ctid在pg中的作用
ctid是用来指向自身或新元组的元组标识符，怎么理解呢？下面能过几个实验来测试一下
|
1
2
3
|
satdb=# create table test_ctid(id int,name varchar(100));satdb=# insert into test_ctid values(1,‘a'),(1,‘a');satdb=# insert into test_ctid values(2,‘a'),(3,‘a'); |
查看记录的ctid值
|
1
2
3
4
5
6
7
8
|
satdb=# select id,name,ctid from test_ctid;id | name | ctid----±-----±------1 | a | (0,1)1 | a | (0,2)2 | a | (0,3)3 | a | (0,4)(4 rows) |
对id为2的记录进行更新
|
1
2
|
satdb=# update test_ctid set name=‘b' where id=2;UPDATE 1 |
这里可以看到id=2的记录指向了新的元组标识符 (0,5)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
satdb=# select id,name,ctid from test_ctid;id | name | ctid----±-----±------1 | a | (0,1)1 | a | (0,2)3 | a | (0,4)2 | b | (0,5)(4 rows)satdb=# select * from test_ctid where ctid='(0,1)';id | name----±-----1 | a(1 row) |
删除 id=3的记录后，对应的ctid(0,4)不存在了
|
1
2
3
4
5
6
7
8
9
|
satdb=# delete from test_ctid where id=3;DELETE 1satdb=# select *,ctid from test_ctid;id | name | ctid----±-----±------1 | a | (0,1)1 | a | (0,2)2 | b | (0,5)(3 rows) |
再插入一条记录时，看看会不会使用(0,4)这个标识符
|
1
2
3
4
5
6
7
8
9
|
satdb=# insert into test_ctid values(3,‘d');INSERT 0 1satdb=# select *,ctid from test_ctid;id | name | ctid----±-----±------1 | a | (0,1)1 | a | (0,2)2 | b | (0,5)3 | d | (0,6) |
这里新插入的记录不会使用(0,4)，而是直接分配新的标识符(0,6)
总结：
1、ctid的作用与oracle rowid类似，可以唯一标识一条记录
2、记录的更新后，后生产新的ctid
3、记录删除后，新插入的记录不会使用已经删除记录的ctid
4、基于ctid可以实现记录的去重操作
5、基于ctid可以实现差异增量同步(新增、删除、更新)
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。如有错误或未考虑完全的地方，望不吝赐教。
原文链接：https://blog.csdn.net/Tastill/article/details/80005901
