MySQL8表中有大量重复数据去重后保存到新表方案

MySQL8表中有大量重复数据去重后保存到新表方案

一，找deepseek来解决

MySQL8 数据库中有两张表：

表 mat_transport_license，创建表SQL如下：

CREATE TABLE `mat_transport_license` (
`ID` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '主键',
`PERM_ID` int DEFAULT NULL COMMENT '微机编号',
`PRINT_ID` varchar(8) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '纸张号',
`ORDER_ID` varchar(35) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '凭证编号',
UNIQUE KEY `PERM_ID` (`PERM_ID`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci ROW_FORMAT=DYNAMIC COMMENT='准运证';

表  mat_transport_license_detail ，创建表SQL如下：

CREATE TABLE `mat_transport_license_detail` (
`ZYB_ID` varchar(64) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '主键',
`PERM_ID` varchar(20) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci DEFAULT NULL,
`ORDER_ID` varchar(20) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci DEFAULT NULL,
`SPEC` varchar(100) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci ROW_FORMAT=DYNAMIC ;

现需要根据表 mat_transport_license 中的 PERM_ID字段中的数据匹配 mat_transport_license_detail中 PERM_ID字段中的数据，
但 mat_transport_license_detail中有大量重复数据，需要根据 两表 PERM_ID字段关联数据，提取  mat_transport_license_detail中 MAX(ZYB_ID)行的数据，插入到新表 mat_transport_license_detail_new 。

因为表有大量数据约5千万条， 需要使用存储过程，分批执行，请给出优化方案:

二，DeeSeek 多次回复后提到的最终结果：

错误原因很明确：字符集排序规则（collation）冲突。

• 明细表 mat_transport_license_detail 的字段使用 utf8mb4_general_ci

• CAST(lic.PERM_ID AS CHAR) 没有指定排序规则，会继承数据库或会话的默认排序规则（MySQL 8.0 默认是 utf8mb4_0900_ai_ci）

• 两者在 = 比较时混用，导致 1267 错误。

解决方法：在转换时显式指定与明细表相同的排序规则，使用 COLLATE utf8mb4_general_ci。

版本一（窗口函数版，已修正排序规则）

sql

DELIMITER $$

DROP PROCEDURE IF EXISTS proc_batch_max_zyb$$

CREATE PROCEDURE proc_batch_max_zyb(IN p_batch_count INT)
BEGIN
    DECLARE v_min_id INT;
    DECLARE v_max_id INT;
    DECLARE v_start INT DEFAULT 0;
    DECLARE v_end INT;
    DECLARE v_batch_rows INT;
    DECLARE v_total_rows INT DEFAULT 0;
    DECLARE v_done INT DEFAULT 0;

    SELECT MIN(PERM_ID), MAX(PERM_ID) INTO v_min_id, v_max_id
    FROM mat_transport_license WHERE PERM_ID IS NOT NULL;

    IF v_min_id IS NOT NULL THEN

        IF p_batch_count IS NULL OR p_batch_count <= 0 THEN
            SET p_batch_count = 5000;
        END IF;

        WHILE v_done = 0 DO
            SET v_end = v_start + p_batch_count;
            IF v_end > v_max_id THEN
                SET v_end = v_max_id;
                SET v_done = 1;
            END IF;

            START TRANSACTION;

            INSERT INTO mat_transport_license_detail_new
            SELECT
                ZYB_ID, PERM_ID, ORDER_ID, SERIAL, PRODUCT_ID,
                PRODUCT_NAME, MADE_IN, SPEC, UNIT, PRICE, QUANTITY, ZYB_TID
            FROM (
                SELECT
                    det.*,
                    ROW_NUMBER() OVER (
                        PARTITION BY det.PERM_ID ORDER BY det.ZYB_ID DESC
                    ) AS rn
                FROM mat_transport_license_detail det
                WHERE det.PERM_ID IN (
                    SELECT CAST(lic.PERM_ID AS CHAR CHARACTER SET utf8mb4) 
                           COLLATE utf8mb4_general_ci
                    FROM mat_transport_license lic
                    WHERE lic.PERM_ID > v_start AND lic.PERM_ID <= v_end
                )
            ) t
            WHERE t.rn = 1;

            SET v_batch_rows = ROW_COUNT();
            SET v_total_rows = v_total_rows + v_batch_rows;
            COMMIT;

            SELECT CONCAT('Batch [', v_start+1, ' ~ ', v_end, '] inserted ', 
                           v_batch_rows, ' rows, total: ', v_total_rows) AS progress;

            SET v_start = v_end;
        END WHILE;

        SELECT CONCAT('All done. Total rows: ', v_total_rows) AS final_message;

    ELSE
        SELECT 'No data in mat_transport_license' AS msg;
    END IF;
END$$

DELIMITER ;

版本二（无窗口函数版，同样修正）

sql

DELIMITER $$

DROP PROCEDURE IF EXISTS proc_batch_max_zyb_no_window$$

CREATE PROCEDURE proc_batch_max_zyb_no_window(IN p_batch_count INT)
BEGIN
    DECLARE v_min_id INT;
    DECLARE v_max_id INT;
    DECLARE v_start INT DEFAULT 0;
    DECLARE v_end INT;
    DECLARE v_batch_rows INT;
    DECLARE v_total_rows INT DEFAULT 0;
    DECLARE v_done INT DEFAULT 0;

    SELECT MIN(PERM_ID), MAX(PERM_ID) INTO v_min_id, v_max_id
    FROM mat_transport_license WHERE PERM_ID IS NOT NULL;

    IF v_min_id IS NOT NULL THEN

        IF p_batch_count IS NULL OR p_batch_count <= 0 THEN
            SET p_batch_count = 5000;
        END IF;

        WHILE v_done = 0 DO
            SET v_end = v_start + p_batch_count;
            IF v_end > v_max_id THEN
                SET v_end = v_max_id;
                SET v_done = 1;
            END IF;

            START TRANSACTION;

            INSERT INTO mat_transport_license_detail_new
            SELECT d.*
            FROM mat_transport_license_detail d
            INNER JOIN (
                SELECT PERM_ID, MAX(ZYB_ID) AS max_zyb
                FROM mat_transport_license_detail
                WHERE PERM_ID IN (
                    SELECT CAST(lic.PERM_ID AS CHAR CHARACTER SET utf8mb4) 
                           COLLATE utf8mb4_general_ci
                    FROM mat_transport_license lic
                    WHERE lic.PERM_ID > v_start AND lic.PERM_ID <= v_end
                )
                GROUP BY PERM_ID
            ) t ON d.PERM_ID = t.PERM_ID AND d.ZYB_ID = t.max_zyb;

            SET v_batch_rows = ROW_COUNT();
            SET v_total_rows = v_total_rows + v_batch_rows;
            COMMIT;

            SELECT CONCAT('Batch [', v_start+1, ' ~ ', v_end, '] inserted ', 
                           v_batch_rows, ' rows, total: ', v_total_rows) AS progress;

            SET v_start = v_end;
        END WHILE;

        SELECT CONCAT('All done. Total rows: ', v_total_rows) AS final_message;

    ELSE
        SELECT 'No data in mat_transport_license' AS msg;
    END IF;
END$$

DELIMITER ;

执行步骤

1. 确认索引和目标表已存在（如果还未执行）：
   sql

   ALTER TABLE mat_transport_license_detail ADD INDEX idx_perm_zyb (PERM_ID, ZYB_ID);
   CREATE TABLE mat_transport_license_detail_new LIKE mat_transport_license_detail;
   

2. 调用存储过程：
   sql

   CALL proc_batch_max_zyb(5000);
   

3. 校验、补索引（同前）。

这两个版本已将子查询中的字符串转换强制设为 utf8mb4_general_ci，与明细表字段完全一致，不会再报 1267 错误。