点击上方蓝色字体，选择“标星公众号”
优质文章，第一时间送达
最近在处理项目组的一个数据集，数据量每张表在百万级，由于数据量较大在数据下载和处理方面都可以说是旷日持久，这篇记录一下相关的经验。
数据下载
拿到的数据是在远程数据库里面，原先打算直接从远程库里下载csv或txt到电脑上，但在mysql上进行这样的操作好像不是很方便速度也很慢。
目前在使用的方法是将远程数据库里面的数据导出为sql到本地，导入本地数据库后进行操作，但这一过程也很缓慢，一个百万级数据库在navicat里面可能要导个半个小时，在命令行可能会快一点但没有尝试。
MySQL中的去重
基本思路是复制原表A结构新建一个表B，对表B添加UNIQUE约束，然后将表A中的数据逐条插入表B，约束会自动实现去重。
#复制表结构
CREATE TABLE newTable LIKE oldTable;
#修改表字段，因为httpURL太大
ALTER TABLE newTable MODIFY httpURL VARCHAR(300);
#为表格添加约束条件(在Mysql5中，如果约束字段过大，则报错，因此要先执行上面的修改表字段)
ALTER TABLE newTable ADD UNIQUE(IP,timeStart);
#为新表中添加数据(约束条件自动去重)
INSERT IGNORE newTable
SELECT * FROM newTable
ORDER BY IP,timeStart;
测试的表数据量在三百万左右，去重后数据在二百万左右，在navicat实现时间2168.470s，命令行应该会更快。
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：
https://blog.csdn.net/weixin_26870929/article/details/113187456
