我知道这个主题在此之前出现了很多次,但是没有一个建议的解决方案适用于我的数据集,因为我的笔记本电脑由于内存问题或完全存储而停止计算.
我的表看起来如下,并有108 Mio行：
Col1 |Col2 | Col3 |Col4 |SICComb | NameComb Case New |3523 | Alexander |6799 |67993523| AlexanderCase New Case New |3523 | Undisclosed |6799 |67993523| Case NewUndisclosed Undisclosed|6799 | Case New |3523 |67993523| Case NewUndisclosed Case New |3523 | Undisclosed |6799 |67993523| Case NewUndisclosed SmartCard |3674 | NEC |7373 |73733674| NECSmartCard SmartCard |3674 | Virtual NetComm|7373 |73733674| SmartCardVirtual NetComm SmartCard |3674 | NEC |7373 |73733674| NECSmartCard
唯一列是SICComb和NameComb.我尝试添加一个主键：
ALTER TABLE dbo.test ADD ID INT IDENTITY(1,1)
但整数只是在新的分钟内填满了超过30 GB的存储空间.
解决方法
通常,从表中删除重复项的最快方法是将记录(无重复项)插入临时表,截断原始表并将其重新插入.
以下是使用sql Server语法的想法：
select distinct t.*
into #temptable
from t;
truncate table t;
insert into t
select tt.*
from #temptable;
当然,这在很大程度上取决于第一步的速度.而且,您需要有空间来存储同一个表的两个副本.
请注意,创建临时表的语法因数据库而异.有些人使用create table的语法而不是select into.
编辑：
您的身份插入错误很麻烦.我认为您需要从distinct列的列表中删除标识.或者做：
select min(<identity col>),<all other columns> from t group by <all other columns>
如果您有一个标识列,则没有重复项(根据定义).
最后,您需要确定行所需的ID.如果您可以为行生成新的id,那么只需将标识列从插入列列表中删除：
insert into t(<all other columns>)
select <all other columns>;
如果您需要旧的标识值(并且最小值可以),请关闭标识插入并执行：
insert into t(<all columns including identity>)
select <all columns including identity>;
