oracle 面试问题

[yjytiantang]

前几天去面试，遇到2个问题：

1， 有两个大表 A , B
如何取出 A 表有但是B表没有的数据？

2，有一个大表 A ，某一字段 ID 有重复记录，
如何将ID重复的记录删除只保存一笔？

以上问题在平时工作中也会经常遇到，也都解决过，不过数据量都不大(最多的是千万条记录)。

当时考虑到面试的岗位是移动公司的数据挖掘，数据量肯定巨大，一时没想出来什么好的办法。
回答的是: 1 ，用hash 连接进行运算，但是对hash 运算不是很熟悉，没能写出来。
2， 使用 max函数取rowid 关联。

由于都是手写sql，感觉做的不是很好。

各位有什么好的思路，不妨探讨一下，谢谢~

[秋雨飘落]

1、主键直接MINUS
2、用分析函数

[horizonlyhw]

千万条 其实也可以了 ~ ·

[allen519]

关注一下这个帖子，以后再看看

[陈字文]

1、 minus
2、 根据条件得到rownum 根据rownum作为条件删除

[陈字文]

1、 minus
2、 根据条件得到rowid 根据rowid 作为条件删除

[yjytiantang]

[Quote=引用 1 楼 的回复:]

1、主键直接MINUS
2、用分析函数
[/Quote]

有考虑过用minus直接运算，但是数据量应该是很大的(亿条级别的)，如果用minus的话，会不会很慢？

[yjytiantang]

[Quote=引用 2 楼 的回复:]

千万条 其实也可以了 ~ ·
[/Quote]

千万条是我平时处理的数据，能解决。
面试问的环境是移动的通话记录信息(亿条级别的)，所以不是很确定用什么方法？

[reg13141]

我自己测试了一下，
A表和B表都1千万条记录，
使用minus的查询时间是最长的，最快的是not EXITS，其次是JOIN
如果是亿万的话，应该是not EXITS最快的吧，

到底用哪个要看实际情况的吧，

[horizonlyhw]

[Quote=引用 7 楼 的回复:]
引用 2 楼 的回复:

千万条 其实也可以了 ~ ·


千万条是我平时处理的数据，能解决。
面试问的环境是移动的通话记录信息(亿条级别的)，所以不是很确定用什么方法？
[/Quote]

我的理解是

万和千万有差别

千万和亿 处理方法上应该没差别~ 哈

[shi_yzeng]

1.select * from a where not exists(select * from b where a.和B表关联的键值 = b.和A表关联的键值);

[槑党--一缕风]

数据量大 应该是用not exists

去掉重复数据 应数据库的伪列 rowid

[binsweet]

1、肯定用not exists效率最高
2、DELETE FROM t1 b
WHERE EXISTS
(SELECT 1
FROM t1 a
WHERE b.a1 = a.a1
GROUP BY a1
HAVING COUNT(a1) > 1 AND b.rowid <> MAX(a.rowi))