应使用自关联DELETE或窗口函数ROW_NUMBER()保留每组重复记录中ID最小（或按业务规则最优）的一条，避免误删；大表推荐临时表重建法，禁用INSERT IGNORE/REPLACE INTO清理存量重复数据。
用自关联 DELETE 语句保留最小 ID 的那条重复记录
直接删掉所有重复行会丢数据，通常目标是“每组重复中只留一条”，最稳妥的是留 id 最小的那条。MySQL 支持表自关联删除，但语法容易写错——不能在子查询里直接引用要删的表。
正确写法是用别名绕过限制：
DELETE u1 FROM users u1 INNER JOIN users u2 WHERE u1.email = u2.email AND u1.id > u2.id;
这条语句的意思是：对每一对 email 相同的记录，如果 u1.id 比 u2.id 大，就删 u1。最终每组只剩 id 最小的那条。
- 执行前必须加事务：
START TRANSACTION，确认结果后再COMMIT - 务必先在测试库跑
SELECT COUNT(*)验证影响行数，避免误删整张表 - 如果表没主键或没
id字段，得换其他唯一标识字段（比如created_at+email组合）
用窗口函数 ROW_NUMBER() 精确控制保留逻辑（MySQL 8.0+ / PostgreSQL）
当保留规则变复杂——比如“留最新创建的”“留状态为 active 的”——自关联就力不从心了。ROW_NUMBER() 能按业务优先级排序后标记序号，再筛掉非首行。
立即学习“PHP免费学习笔记（深入）”；
例如保留每个 email 下 created_at 最大的那条：
DELETE FROM users
WHERE id IN (
SELECT id FROM (
SELECT id,
ROW_NUMBER() OVER (
PARTITION BY email
ORDER BY created_at DESC, id DESC
) AS rn
FROM users
) t WHERE rn > 1
);-
PARTITION BY email把数据按邮箱分组 -
ORDER BY created_at DESC, id DESC确保最新时间排第一；加id DESC是防时间相同时不确定选哪条 - 嵌套一层子查询是因为 MySQL 不允许 DELETE 中直接引用同一张表的窗口函数结果
用临时表重建实现彻底清洗（适合大表或高一致性要求场景）
上面两种方法都是原地修改，锁表时间长、无法回滚到中间状态。如果表有百万级数据，或者你不敢在生产库上直接 DELETE，临时表是最可控的方式。
核心步骤是三步：建新表 → 插入去重后数据 → 原子化切换：
-- 1. 创建结构一致的新表 CREATE TABLE users_clean LIKE users; <p>-- 2. 插入每组 email 中 id 最大的记录（保留最新） INSERT INTO users_clean SELECT * FROM users WHERE id IN ( SELECT MAX(id) FROM users GROUP BY email );</p><p>-- 3. 原子重命名（瞬间完成，无数据丢失风险） RENAME TABLE users TO users_backup, users_clean TO users;
- 执行前务必备份原表，
RENAME不可逆 -
INSERT ... SELECT期间原表仍可读，但写操作会被阻塞，建议选低峰期 - 如果原表有外键，需先
DROP再重建，否则RENAME会失败
为什么不能用 INSERT IGNORE 或 REPLACE INTO 替代去重删除
这两个语句常被误用于“去重插入”，但它们解决的是写入时的冲突，不是已有数据的清理问题。
-
INSERT IGNORE只对新插入生效，对已存在的重复记录完全无感 -
REPLACE INTO是“删+插”，会触发ON DELETE外键级联、自增 ID 跳变、触发器重复执行等问题，且无法指定保留哪条 - 更隐蔽的风险：如果表只有
UNIQUE(email)索引，但没主键，REPLACE INTO会把整行删掉再插，连created_at这类时间戳都会被重置
真正要清理存量重复数据，必须用明确的 DELETE 或重建策略。想靠写入语句反向“修复”历史脏数据，只会让问题更难追溯。
