Usunąć zduplikowane rekordy w SQL Server?

Rozważmy kolumnę o nazwie EmployeeNametable Employee. Celem jest usunięcie powtarzających się rekordów na podstawie EmployeeNamepola.

EmployeeName
------------
Anand
Anand
Anil
Dipak
Anil
Dipak
Dipak
Anil

Za pomocą jednego zapytania chcę usunąć powtarzające się rekordy.

Jak można to zrobić za pomocą TSQL w SQL Server?

Możesz to zrobić za pomocą funkcji okna. Uporządkuje kopie według empId i usunie wszystkie oprócz pierwszego.

delete x from (
  select *, rn=row_number() over (partition by EmployeeName order by empId)
  from Employee 
) x
where rn > 1;

Uruchom go jako opcję, aby zobaczyć, co zostanie usunięte:

select *
from (
  select *, rn=row_number() over (partition by EmployeeName order by empId)
  from Employee 
) x
where rn > 1;

Zakładając, że Twoja tabela Employee ma również unikalną kolumnę ( IDw poniższym przykładzie), zadziała:

delete from Employee 
where ID not in
(
    select min(ID)
    from Employee 
    group by EmployeeName 
);

Spowoduje to pozostawienie wersji o najniższym identyfikatorze w tabeli.

Edytuj
komentarz Re McGyver - stan na SQL 2012

MIN może być używany z kolumnami numerycznymi, char, varchar, uniqueidentifier lub datetime, ale nie z kolumnami bitowymi

W przypadku wersji 2008 R2 i starszych

MIN może być używany z kolumnami numerycznymi, char, varchar lub datetime, ale nie z kolumnami bitowymi (i nie działa również z identyfikatorami GUID)

W przypadku 2008R2 musisz rzutować na GUIDtyp obsługiwany przez MINnp

delete from GuidEmployees
where CAST(ID AS binary(16)) not in
(
    select min(CAST(ID AS binary(16)))
    from GuidEmployees
    group by EmployeeName 
);

SqlFiddle dla różnych typów w Sql 2008

SqlFiddle dla różnych typów w Sql 2012

Możesz spróbować czegoś takiego:

delete T1
from MyTable T1, MyTable T2
where T1.dupField = T2.dupField
and T1.uniqueField > T2.uniqueField  

(przy założeniu, że masz pole unikalne oparte na liczbach całkowitych)

Osobiście powiedziałbym, że lepiej byłoby spróbować naprawić fakt, że zduplikowane wpisy są dodawane do bazy danych, zanim to nastąpi, niż jako operacja po naprawieniu.

DELETE
FROM MyTable
WHERE ID NOT IN (
     SELECT MAX(ID)
     FROM MyTable
     GROUP BY DuplicateColumn1, DuplicateColumn2, DuplicateColumn3)

WITH TempUsers (FirstName, LastName, duplicateRecordCount)
AS
(
    SELECT FirstName, LastName,
    ROW_NUMBER() OVER (PARTITIONBY FirstName, LastName ORDERBY FirstName) AS duplicateRecordCount
    FROM dbo.Users
)
DELETE
FROM TempUsers
WHERE duplicateRecordCount > 1

WITH CTE AS
(
   SELECT EmployeeName, 
          ROW_NUMBER() OVER(PARTITION BY EmployeeName ORDER BY EmployeeName) AS R
   FROM employee_table
)
DELETE CTE WHERE R > 1;

Magia typowych wyrażeń tabelarycznych.

Próbować

DELETE
FROM employee
WHERE rowid NOT IN (SELECT MAX(rowid) FROM employee
GROUP BY EmployeeName);

Jeśli szukasz sposobu na usunięcie duplikatów, ale masz obcy klucz wskazujący tabelę z duplikatami, możesz zastosować następujące podejście, używając powolnego, ale efektywnego kursora.

Spowoduje to przeniesienie zduplikowanych kluczy w tabeli kluczy obcych.

create table #properOlvChangeCodes(
    id int not null,
    name nvarchar(max) not null
)

DECLARE @name VARCHAR(MAX);
DECLARE @id INT;
DECLARE @newid INT;
DECLARE @oldid INT;

DECLARE OLVTRCCursor CURSOR FOR SELECT id, name FROM Sales_OrderLineVersionChangeReasonCode; 
OPEN OLVTRCCursor;
FETCH NEXT FROM OLVTRCCursor INTO @id, @name;
WHILE @@FETCH_STATUS = 0  
BEGIN  
        -- determine if it should be replaced (is already in temptable with name)
        if(exists(select * from #properOlvChangeCodes where Name=@name)) begin
            -- if it is, finds its id
            Select  top 1 @newid = id
            from    Sales_OrderLineVersionChangeReasonCode
            where   Name = @name

            -- replace terminationreasoncodeid in olv for the new terminationreasoncodeid
            update Sales_OrderLineVersion set ChangeReasonCodeId = @newid where ChangeReasonCodeId = @id

            -- delete the record from the terminationreasoncode
            delete from Sales_OrderLineVersionChangeReasonCode where Id = @id
        end else begin
            -- insert into temp table if new
            insert into #properOlvChangeCodes(Id, name)
            values(@id, @name)
        end

        FETCH NEXT FROM OLVTRCCursor INTO @id, @name;
END;
CLOSE OLVTRCCursor;
DEALLOCATE OLVTRCCursor;

drop table #properOlvChangeCodes

delete from person 
where ID not in
(
        select t.id from 
        (select min(ID) as id from person 
         group by email 
        ) as t
);

Zobacz również poniższy sposób usuwania.

Declare @Employee table (EmployeeName varchar(10))

Insert into @Employee values 
('Anand'),('Anand'),('Anil'),('Dipak'),
('Anil'),('Dipak'),('Dipak'),('Anil')

Select * from @Employee

Utworzono przykładową tabelę o nazwie @Employeei załadowano do niej podane dane.

Delete  aliasName from (
Select  *,
        ROW_NUMBER() over (Partition by EmployeeName order by EmployeeName) as rowNumber
From    @Employee) aliasName 
Where   rowNumber > 1

Select * from @Employee

Wynik:

Wiem, zadaje się to sześć lat temu, publikując tylko na wypadek, gdyby było to pomocne dla każdego.

Oto dobry sposób na deduplikację rekordów w tabeli, która ma kolumnę tożsamości opartą na żądanym kluczu podstawowym, który można zdefiniować w czasie wykonywania. Zanim zacznę, wypełnię przykładowy zestaw danych do pracy, używając następującego kodu:

if exists (select 1 from sys.all_objects where type='u' and name='_original')
drop table _original

declare @startyear int = 2017
declare @endyear int = 2018
declare @iterator int = 1
declare @income money = cast((SELECT round(RAND()*(5000-4990)+4990 , 2)) as money)
declare @salesrepid int = cast(floor(rand()*(9100-9000)+9000) as varchar(4))
create table #original (rowid int identity, monthyear varchar(max), salesrepid int, sale money)
while @iterator<=50000 begin
insert #original 
select (Select cast(floor(rand()*(@endyear-@startyear)+@startyear) as varchar(4))+'-'+ cast(floor(rand()*(13-1)+1) as varchar(2)) ),  @salesrepid , @income
set  @salesrepid  = cast(floor(rand()*(9100-9000)+9000) as varchar(4))
set @income = cast((SELECT round(RAND()*(5000-4990)+4990 , 2)) as money)
set @iterator=@iterator+1
end  
update #original
set monthyear=replace(monthyear, '-', '-0') where  len(monthyear)=6

select * into _original from #original

Następnie utworzę typ o nazwie ColumnNames:

create type ColumnNames AS table   
(Columnnames varchar(max))

Na koniec utworzę przechowywany proces z następującymi trzema zastrzeżeniami: 1. Proces pobierze wymagany parametr @ nazwa tabeli, który definiuje nazwę tabeli, z której usuwasz w swojej bazie danych. 2. Proces ma opcjonalny parametr @columns, którego możesz użyć do zdefiniowania pól składających się na żądany klucz podstawowy, dla którego usuwasz. Jeśli to pole pozostanie puste, zakłada się, że wszystkie pola poza kolumną tożsamości tworzą żądany klucz podstawowy. 3. Po usunięciu zduplikowanych rekordów zostanie zachowany rekord z najniższą wartością w kolumnie tożsamości.

Oto moje zapisane proce delete_dupes:

 create proc delete_dupes (@tablename varchar(max), @columns columnnames readonly) 
 as
 begin

declare @table table (iterator int, name varchar(max), is_identity int)
declare @tablepartition table (idx int identity, type varchar(max), value varchar(max))
declare @partitionby varchar(max)  
declare @iterator int= 1 


if exists (select 1 from @columns)  begin
declare @columns1 table (iterator int, columnnames varchar(max))
insert @columns1
select 1, columnnames from @columns
set @partitionby = (select distinct 
                substring((Select ', '+t1.columnnames 
                From @columns1 t1
                Where T1.iterator = T2.iterator
                ORDER BY T1.iterator
                For XML PATH ('')),2, 1000)  partition
From @columns1 T2 )

end

insert @table 
select 1, a.name, is_identity from sys.all_columns a join sys.all_objects b on a.object_id=b.object_id
where b.name = @tablename  

declare @identity varchar(max)= (select name from @table where is_identity=1)

while @iterator>=0 begin 
insert @tablepartition
Select          distinct case when @iterator=1 then 'order by' else 'over (partition by' end , 
                substring((Select ', '+t1.name 
                From @table t1
                Where T1.iterator = T2.iterator and is_identity=@iterator
                ORDER BY T1.iterator
                For XML PATH ('')),2, 5000)  partition
From @table T2
set @iterator=@iterator-1
end 

declare @originalpartition varchar(max)

if @partitionby is null begin
select @originalpartition  = replace(b.value+','+a.type+a.value ,'over (partition by','')  from @tablepartition a cross join @tablepartition b where a.idx=2 and b.idx=1
select @partitionby = a.type+a.value+' '+b.type+a.value+','+b.value+') rownum' from @tablepartition a cross join @tablepartition b where a.idx=2 and b.idx=1
 end
 else
 begin
 select @originalpartition=b.value +','+ @partitionby from @tablepartition a cross join @tablepartition b where a.idx=2 and b.idx=1
 set @partitionby = (select 'OVER (partition by'+ @partitionby  + ' ORDER BY'+ @partitionby + ','+b.value +') rownum'
 from @tablepartition a cross join @tablepartition b where a.idx=2 and b.idx=1)
 end


exec('select row_number() ' + @partitionby +', '+@originalpartition+' into ##temp from '+ @tablename+'')


exec(
'delete a from _original a 
left join ##temp b on a.'+@identity+'=b.'+@identity+' and rownum=1  
where b.rownum is null')

drop table ##temp

end

Po wykonaniu tej czynności możesz usunąć wszystkie zduplikowane rekordy, uruchamiając proc. Aby usunąć duplikaty bez definiowania żądanego klucza podstawowego, użyj tego wywołania:

exec delete_dupes '_original'

Aby usunąć duplikaty na podstawie zdefiniowanego pożądanego klucza podstawowego, użyj tego wywołania:

declare @table1 as columnnames
insert @table1
values ('salesrepid'),('sale')
exec delete_dupes '_original' , @table1