MySQL ROW_NUMBER 去重后怎么保留完整原始行

业务表里同一个客户可能因为重复提交、同步重放或批量导入出现多行记录。要“每个客户只留一行”，又不想把金额、状态、地址等字段逐个聚合掉，MySQL 8.0+ 最稳妥的写法是：先用 ROW_NUMBER() 给每个分组内的完整行编号，再在外层筛选 rn = 1。

关键不在于把 ROW_NUMBER 写出来，而在于先定义“重复组”和“保留顺序”。PARTITION BY 决定哪些行互相比较，ORDER BY 决定哪一行拿到 1；排名放进 CTE 或子查询后，外层筛选即可保留被选中的整行。

先把重复组和保留顺序定义清楚

假设有一张订单导入表 orders，同一个 customer_id 的记录只需要保留最新一条。这里的“最新”不能只凭感觉，需要落成排序规则：先按 created_at DESC，如果时间相同，再按唯一的 order_id DESC 兜底。

-- customer_id 定义重复组，时间相同再用唯一主键决定先后
SELECT
    o.order_id,
    o.customer_id,
    o.created_at,
    o.status,
    o.total_amount,
    ROW_NUMBER() OVER (
        PARTITION BY o.customer_id
        ORDER BY o.created_at DESC, o.order_id DESC
    ) AS rn
FROM orders AS o;

这条查询仍然返回每一行，只是多出一个 rn。同一客户的最新记录是 1，次新记录是 2。ROW_NUMBER 和 RANK 不同：前者即使遇到并列排序值也会继续给出不同编号，所以必须把唯一键加入排序，明确真正的保留对象。

为什么外层筛选才能拿到完整原始行

窗口函数是在结果行上计算编号，不能把同一层的 WHERE rn = 1 当成普通列直接使用。把排名查询放进 CTE，外层再筛选即可。因为外层筛选的是“整行带出的 rn”，原始列不需要再写一遍聚合逻辑。

-- 先排名，再在外层取每组第一行，整行字段都会保留
WITH ranked_orders AS (
    SELECT
        o.*,
        ROW_NUMBER() OVER (
            PARTITION BY o.customer_id
            ORDER BY o.created_at DESC, o.order_id DESC
        ) AS rn
    FROM orders AS o
)
SELECT
    order_id,
    customer_id,
    created_at,
    status,
    total_amount
FROM ranked_orders
WHERE rn = 1;

如果只想验证规则，不要一上来删除。把条件改成 rn > 1，同时保留 rn 和排序字段，先检查这些行是不是确实应该被视为重复。需要分页或继续关联其他表时，也建议把这个 CTE 当成稳定的数据集，而不是复制一套不带排名条件的查询。

三个容易让“去重结果”看错的边界

尤其要注意“完整原始行”不等于“任意一行”。如果 status、金额或关联地址来自不同时间版本，保留规则必须能解释业务结果。先把排序字段显示出来，再决定是否建立索引或调整导入流程。

确认后再把重复行交给清理动作

查询去重和物理删除应当分开。预览完成后，可以只取待复核行的主键，写入临时表或审计表，再在事务内按主键集合处理。示例只展示判断方向，不替你自动删除数据：

-- 先列出每组应复核的重复主键，确认后再交给受控清理流程
WITH ranked_orders AS (
    SELECT
        o.order_id,
        o.customer_id,
        o.created_at,
        ROW_NUMBER() OVER (
            PARTITION BY o.customer_id
            ORDER BY o.created_at DESC, o.order_id DESC
        ) AS rn
    FROM orders AS o
)
SELECT order_id, customer_id, created_at
FROM ranked_orders
WHERE rn > 1
ORDER BY customer_id, created_at DESC, order_id DESC;

生产环境还应考虑并发写入：预览和清理之间如果有新记录进入，原先的编号可能变化。可以在业务低峰执行、锁定输入范围或先归档再删除，并保留 order_id、执行批次和操作者信息。

常见问题

为什么不用 DISTINCT 直接去重？

DISTINCT 比较的是选出的整行，不能表达“每组按时间保留最新一条”，也不能在保留一行的同时自然带出与排序一致的其他字段。

ROW_NUMBER 和 RANK 应该怎么选？

要严格每组一行，选 ROW_NUMBER 并提供唯一的排序兜底；要让并列记录共享名次，再考虑 RANK 或 DENSE_RANK，但结果可能多于一行。

能不能在同一层写 WHERE rn = 1？

不能把窗口函数别名当作同层普通列过滤。使用 CTE 或子查询先生成 rn，再在外层筛选。

删除重复行前最应该检查什么？

检查分组键、排序方向、并列值和并发写入，再用 rn > 1 预览主键。只要“保留谁”的规则还说不清，就不要执行删除。