记一次在一亿数据的大表里删除重复数据 by 勤勤学长

场景

10月11日，某个用户出现了信息重复推送，导致出现重复数据，影响到了统计。
需要通过用户ID、时间戳、事件，找出相同msgid字段相同的数据，并删除。
已知，表有接近1亿条数据。

解决

查询重复数据

查看表索引，刚好有匹配的索引

 KEY `idx_storeid_event_ctime` (`store_id`,`event`,`ctime`),

SELECT
    msgid,
    COUNT(*) AS duplicate_count,
    min(id) as id
FROM
    `user_msg_list`
WHERE
    store_id = 233
    AND ctime > 1728615600
    AND ctime < 1728622800
    AND `event` = 'EventGroupChat'
GROUP BY
    msgid
HAVING
    COUNT(*) > 1;
# 查询的时候不要用 order by id desc
# 否则查询的时候，因为缺少id的索引，引起慢查询。

遍历删除

防止删除到其他的数据，所以还得把前边的条件一起放进来

DELETE 
FROM
	user_msg_list` 
WHERE
		store_id = 233
    AND ctime > 1728615600
    AND ctime < 1728622800
    AND `event` = 'EventGroupChat'
		AND id != 10086
		AND msgid !=318692996

项目上完整代码

我用的是thinkphp框架

$where = "store_id = 233
            AND ctime > 1728615600
            AND ctime < 1728622800
            AND `event` = 'EventGroupChat'";

        $data = Db::table("user_msg_list")->where($where)->field("msgid,COUNT(*) AS duplicate_count,min(id) as id")->group("msgid")->having("COUNT(*) > 1")
            ->select()->toArray();

        foreach ($data as $v) {
            $id = $v['id'];
            $msgid = $v['msgid'];
            $msgIds = Db::table("user_msg_list")
                ->where($where)
                ->where("id!={$id}")
                ->where("msgid", $msgid)
                ->column("id");
            $res = Db::table("user_msg_list")->whereIn('id',$msgIds)->delete();
            dump($res);
        }

结束

数据太多了，动不动就是几秒都还无结果，3秒无结果的时候我都会停止运行。
防止出现缩表影响到正常业务的开展。