如何使用CTE和ROW_NUMBER函数在SQL存储过程中巧妙删除重复数据？

本文共计730个文字，预计阅读时间需要3分钟。

直接删除重复数据，使用CTE和ROW_NUMBER()函数最稳妥——它能精确保留每组的第一条记录，且不依赖任何单一键。

为什么不能直接 DELETE 加 GROUP BY？

SQL Server（及多数主流数据库）不允许在 DELETE 语句中直接使用 GROUP BY 或聚合函数。硬写 DELETE FROM t GROUP BY col 会报错：Incorrect syntax near the keyword 'GROUP'。CTE 提供了一个可更新的“逻辑视图”，让 ROW_NUMBER() 的结果能被 DELETE 引用。

ROW_NUMBER() 必须配合 PARTITION BY 和 ORDER BY

只写 ROW_NUMBER() OVER () 没意义——它会给全表所有行统一编号（1 到 N），起不到“按重复组划分”的作用。关键在两个子句：

• PARTITION BY col1, col2：定义“哪些列相同算重复”，即分组依据
• ORDER BY id ASC：决定每组内哪条被保留（通常选最小 id，或最新时间戳）

示例（删除 users 表中 email 相同的重复记录，保留 id 最小的）：

WITH dup AS ( SELECT id, email, ROW_NUMBER() OVER (PARTITION BY email ORDER BY id) AS rn FROM users ) DELETE FROM dup WHERE rn > 1;

执行前务必加事务和验证

这条语句是真删，不可逆。常见疏漏包括：

• 忘了改 ORDER BY 方向，导致留错行（比如用 ORDER BY id DESC 就会删掉旧数据，留下新数据）
• 没检查 PARTITION BY 列是否含 NULL：SQL 中 NULL = NULL 为 false，多行 NULL 不会被分到同一组——若业务认为 NULL 算相同值，需提前用 ISNULL(email, '') 处理
• 未用 SELECT * FROM dup WHERE rn > 1 先预览将删哪些行
• 生产环境没套事务：BEGIN TRAN; ... DELETE ...; ROLLBACK; 测试完再 COMMIT

替代方案对比：临时表 or GROUP BY + 子查询？

有人用 SELECT MIN(id) INTO #keep FROM t GROUP BY cols 再 DELETE WHERE id NOT IN (SELECT id FROM #keep)，但隐患明显：

• 若原表无主键或 id 不唯一，MIN(id) 可能选错行
• NOT IN 遇 NULL 直接返回空结果集，整条 DELETE 不生效（静默失败）
• CTE 方案原子性强，逻辑集中，执行计划更可控

真正难的不是写对语法，而是确认「哪些列定义重复」和「保留哪一条」的业务规则——这个必须和产品/业务方对齐，代码只是执行工具。