MySQL大量髒數據,如何只保留最新的一條？

因為系統的一個Bug，導致資料庫表中出現重複數據，需要做的是刪除重複數據且只保留最新的一條數據。

具體場景是這樣的

有張訂單關聯額外費用表,而且一個訂單號(order_no)記錄只能關聯同一個費用(cost_id)一次，但是資料庫中出現了同一個訂單號關聯同一個費用n次

當然有人會說上面的問題我們可以建一個 order_no + cost_id 的組合唯一索引，這樣就算代碼有bug但至少資料庫表中不會有髒數據。

似乎這樣就可以了，然而事情並沒有那麼簡單。

因為我們表中的數據在刪除的時候不會真的的刪除，而是採用邏輯刪除，會有一個 deleted 欄位使用0，1標識未刪除與已刪除。

當然我們也可以考慮將 order_no + cost_id + deleted 組合成一個聯合唯一索引。

這樣就ok了嗎？

其實會有一個新的問題，就是如果同一個訂單同一個費用如果被刪除一次。再去刪除會發現無法成功進行此操作，因為該條數據已經存在了，不能在刪除了。

所以當時我們並沒有建立聯合唯一索引，才導致髒數據的產生。

其實上面這種場景網上有個比較好的解決方案，就是我們依舊可以將 order_no + cost_id + deleted 組合成一個聯合唯一索引，
但是刪除的時候deleted不再是固定的1，而是當前的主鍵ID,也就是deleted不等於0都是刪除狀態，如果刪除了那deleted值=id

言歸正傳,接下來我們來講下該如何修復髒數據的問題

我們先創建一張訂單關聯費用表

CREATE TABLE `order_cost_detail` (
  `id` int NOT NULL AUTO_INCREMENT COMMENT '主鍵',
  `order_no` varchar(32)  NOT NULL COMMENT '訂單號',
  `cost_id` int NOT NULL COMMENT '費用Id',
  `cost_name` varchar(50)  NOT NULL DEFAULT '' COMMENT '費用名稱',
  `money` decimal(10,2) NOT NULL COMMENT '金額',
  `create_time` datetime NOT NULL COMMENT '創建時間',
  `deleted` tinyint(1) NOT NULL COMMENT '是否刪除（0 否，1 是）',
  PRIMARY KEY (`id`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=1  COMMENT='訂單 - 費用表';

插入一些模擬數據

insert INTO `order_cost_detail` (`id`, `order_no`, `cost_id`, `cost_name`, `money`, `create_time`, `deleted`)
VALUES
        (1, 'EX202208160000012-3', 2, '停車費', 100.00, '2022-08-19 11:30:48', 0),
        (2, 'EX202208160000012-4', 3, '停車費', 100.00, '2023-02-17 11:25:27', 0),
        (3, 'EX202208160000012-4', 3, '停車費', 200.00, '2023-02-17 11:25:28', 0),
        (4, 'EX202208170000002-1', 1, '路橋費', 300.00, '2022-08-19 11:31:57', 0),
        (5, 'EX202208170000002-1', 1, '路橋費', 450.00, '2022-08-19 11:32:57', 0),
        (6, 'EX202208180000002-1', 2, '高速費', 225.00, '2022-08-19 11:35:41', 0);

我們的目的很明確，就是要刪除多餘的同一訂單號費用相同的數據，同時保留最新的一條數據。

我們可以先用sql看下是否有重複數據

SELECT order_no, cost_name, count(*) AS num
FROM order_cost_detail
WHERE deleted = 0
GROUP BY order_no, cost_name
HAVING num > 1

運行結果

發現有兩個訂單有髒數據，如果實際生產只有兩條髒數據那簡單，直接查詢這兩個訂單，把重複數據刪掉就好了。

但如果有幾十條甚至上百條數據呢，總不能一條一條的刪吧。

一般我們刪除重複數據都會保留最新的那條，所以我們可以這樣做

如果主鍵是自增的，那麼重複數據刪除的時候，主鍵最大的一條就是需要保留的,如果主鍵不是自增的，我們可以根據創建時間，保留創建時間最大的記錄

我們先看下，我們需要刪除的記錄

select *
from order_cost_detail
where id not in (
        select max(id) as num
        from order_cost_detail
        where deleted = 0
        group by order_no, cost_name
)

查詢結果

根據結果來看確實是這兩條記錄需要刪除，那麼我們開始執行刪除操作

sql如下

-- 這裡是邏輯刪除，也就是將需要刪除的數據打上deleted = 1 標記
update order_cost_detail
set deleted = 1
where id in (
select id from order_cost_detail where id not in (
select max(id) as num from order_cost_detail where deleted = 0 group by order_no, cost_name
                )
        )

執行的時候發現報錯了

You can't specify target table 'order_cost_detail' for update in FROM clause

它的意思是說，不能在同一語句中，先select出同一表中的某些值，再update這個表，即不能依據某欄位值做判斷再來更新某欄位的值。

這個問題在MySQL官網中有提到解決方案：拉到文檔下面 https://dev.mysql.com/doc/refman/8.0/en/update.html

解決方法：select 的結果再通過一個中間表 select 多一次，就可以避免這個錯誤

update order_cost_detail
set deleted = 1
where id in (
select t.id
from
( 
select id from order_cost_detail where id not in (
select max(id) as num from order_cost_detail where deleted = 0 group by order_no, cost_name )
        ) t
)

執行成功

阿里巴巴手冊索引規範，第一條就是

【強制】業務上具有唯一特性的欄位，即使是組合欄位，也必須建成唯一索引。

說明：不要以為唯一索引影響了insert速度，這個速度損耗可以忽略，但提高查找速度是明顯的：另外，即使在應用層做了非常完善
的校驗和控制，只要沒有唯一索引，根據墨菲定律，必然有髒數據產生。