主页 > 知识库 > Linux下删除大数据文件中部分字段重复行的方法

Linux下删除大数据文件中部分字段重复行的方法

热门标签:美团 服务器配置 硅谷的囚徒呼叫中心 电话机器人搭建 家政服务网络 外呼系统 百度竞价点击价格的计算公式 解决方案
最近写的一个数据采集程序生成了一个含有1千多万行数据的文件,数据由4个字段组成,按照要求需要删除第二个字段重复的行,找来找去linux下也没找到合适的工具,sed/gawk等流处理工具只能针对一行一行处理,并无法找到字段重复的行。看来只好自己python一个程序了,突然想起来利用mysql,于是进行乾坤大挪移:

1. 利用mysqlimport --local dbname data.txt导入数据到表中,表名要与文件名一致
2. 执行下列sql语句(要求唯一的字段为uniqfield)


复制代码
代码如下:

use dbname;
alter table tablename add rowid int auto_increment not null;
create table t select min(rowid) as rowid from tablename group by uniqfield;
create table t2 select tablename .* from tablename,t where tablename.rowid= t.rowid;
drop table tablename;
rename table t2 to tablename;

标签:邢台 乌兰察布 韶关 防城港 临沂 抚州 南昌 北海

巨人网络通讯声明:本文标题《Linux下删除大数据文件中部分字段重复行的方法》,本文关键词  ;如发现本文内容存在版权问题,烦请提供相关信息告之我们,我们将及时沟通与处理。本站内容系统采集于网络,涉及言论、版权与本站无关。
  • 相关文章
  • 收缩
    • 微信客服
    • 微信二维码
    • 电话咨询

    • 400-1100-266