面试时被问到的一个问题

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

› MySQL 5.5 Community Server

› MySQL 5.6 Community Server

› Percona Configuration Wizard

› XtraBackup 搭建主从复制

Great Sites on MySQL

› Percona

› MySQL Performance Blog

› Severalnines

推荐管理工具

› Sequel Pro

› phpMyAdmin

推荐书目

› MySQL Cookbook

MySQL 相关项目

› MariaDB

› Drizzle

参考文档

› http://mysql-python.sourceforge.net/MySQLdb.html

这是一个创建于 820 天前的主题，其中的信息可能已经有所发展或是发生改变。

有两张比较大的表，如何判断两张表中是否有相同的数据，以及如何将他们找出来？
请问大家有什么思路吗？

请问

面试

思路

判断

14 条回复 • 2022-09-27 16:00:34 +08:00

infun

2022-09-26 23:23:34 +08:00

如果只是 SQL 的话，这样？
select a. * from a join b on al=b1 and a2=b2 and a3=b3 ...;

Jooooooooo

2022-09-26 23:24:30 +08:00

如果只需要看有没有的话

考虑下布隆过滤器

liprais

2022-09-27 01:45:01 +08:00 via iPhone

union all 之后 group by 全字段 having count > 1

nnnneymarjr

2022-09-27 10:07:06 +08:00

@infun 我当时就是这么说的，面试官也没给反馈，感觉跟他心中的答案差的挺远的😥

mazhan465

2022-09-27 10:32:01 +08:00

每条字段计算一遍 MD5 摘要保存到文件，然后排序，双指针比较，MD5 相同的加载对应行的数据进行验证比较

allforone

2022-09-27 11:00:51 +08:00

可能问的是 inner join 的具体实现？先确认一下是算法题还是 sql 题。算法题的话可能想考 sort merge join 或者 hash join 一些优化实现。

dog82

2022-09-27 11:14:28 +08:00

5 楼的思路很不错

lookStupiToForce

2022-09-27 11:15:36 +08:00

以 pgsql 为例，每行数据 hash 一下加上主键（单一主键或者联合主键都行）后再比较最好
如果下面的 sql 一次跑不出来，先分别生成两张表然后用那两张新表去做最后的 join 比对

with t1 as(
select f.primary_key,
md5(CAST((f.*) AS text)) as hash
from foo1 f
)
, t2 as(
select f.primary_key,
md5(CAST((f.*) AS text)) as hash
from foo2 f
)
select t1.primary_key
from t1 join t2 using (primary_key)
where t1.hash = t2.hash