如何用row_number()窗口函数删除重复数据并保留最新行

你当前的DELETE语句会删掉所有重复的employee_id记录，问题出在子查询用了employee_id IN (...)——只要某个employee_id存在row_num>1的行，所有该employee_id的记录都会被匹配删除，而非只删冗余的重复行。

下面是两种修改方案，按需选择：

1. 保留最新一条重复记录（基于时间字段） #

假设表中有记录更新/创建时间的字段（比如update_time），通过时间倒序让最新的行排第一，只删除row_num>1的冗余行：

DELETE FROM employee
WHERE id IN (
    SELECT id
    FROM (
        SELECT 
            id,
            ROW_NUMBER() OVER (
                PARTITION BY employee_id 
                ORDER BY update_time DESC  -- 按时间倒序，最新的行row_num=1
            ) AS row_num
        FROM employee
    ) t
    WHERE row_num > 1
)

注：如果表没有主键id，可以用(employee_id, update_time)组合作为匹配条件，替换上面的id

2. 保留任意一条重复记录（无顺序要求） #

如果不需要指定保留最新/最早，只是随便留一条，用主键或任意字段排序即可：

DELETE FROM employee
WHERE id IN (
    SELECT id
    FROM (
        SELECT 
            id,
            ROW_NUMBER() OVER (
                PARTITION BY employee_id 
                ORDER BY id  -- 按主键排序，保留主键最小的行
            ) AS row_num
        FROM employee
    ) t
    WHERE row_num > 1
)

关键修改点 #

• 把原查询中用来匹配的employee_id换成能唯一标识单条记录的字段（主键或唯一组合字段），避免误删整个employee_id的所有记录。
• 通过ORDER BY子句控制保留哪一行：倒序时间留最新，正序主键留最早，按需调整排序规则。

内容的提问来源于stack exchange，提问作者Data analyst