Linux下删除大数据文件中部分字段重复的行

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）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;拼接查询sql中指定列的结果集Hibernate性能优化相关资讯 Linux基础教程

Linux基础教程：对文件打包压缩（03月08日）
基础教程：Linux 新手应该知道的（09/06/2015 21:17:20）
Linux基础教程：find 与 xargs （04/05/2015 10:20:11）

Linux基础教程：tar 命令使用介绍（12/03/2015 13:19:47）
Linux基础教程（1）操作系统基础（08/15/2015 20:44:01）
Linux基础教程：从源码安装软件（04/05/2015 10:14:45）

本文评论查看全部评论（0）