問題描述

我有一張接近八千萬條數(shù)據(jù)的彩虹表，然后里面有二十多萬條的重復(fù)數(shù)據(jù)，我想使用GROUP BY 進(jìn)行分組，但是使用了GROUP BY語句以后，mysql會生出一張零時(shí)表，而零時(shí)表，把我的硬盤全部沾滿了，所以，求個(gè)辦法，能幫去去處這重復(fù)的數(shù)據(jù)？

我的sql：

sql:

SELECT COUNT(id) FROM password WHERE length = 4 GROUP BY ciphertext

問題解答

不贊成用一條SQL語句來搞定這類問題，因?yàn)閿?shù)據(jù)庫耗不起。可以用程序來實(shí)現(xiàn)(比如寫個(gè)Python腳本)，步驟是這樣的：

把表A(8千萬行)復(fù)制一個(gè)表結(jié)構(gòu)，產(chǎn)生一張空表B；

對B的ciphertext列做唯一索引；

遍歷表A的每一行，插入到表B，可以用REPLACE或INSERT INTO ... ON DUPLICATE KEY UPDATE ...

校驗(yàn)表B的數(shù)據(jù)，如果結(jié)果正確，則刪除表A，把表B重命名為表A。