一、去掉相鄰重復(fù)的數(shù)據(jù)行
$cat data1.txt | uniq
輸出：
beijing
wuhan
beijing
wuhan
二、去掉所有重復(fù)的數(shù)據(jù)行
$cat data1.txt | sort | uniq
注：
只有uniq命令的話(huà)，只是把相鄰的重復(fù)的數(shù)據(jù)行去掉。
如果先 sort 的話(huà)，就會(huì)把所有重復(fù)的數(shù)據(jù)行變成相鄰的數(shù)據(jù)行，再 uniq 的話(huà)，就去掉所有重復(fù)的數(shù)據(jù)行了。
輸出：
beijing
wuhan
附：data1.txt
[root@syy ~]# cat data1.txt
beijing
beijing
wuhan
wuhan
wuhan
beijing
beijing
beijing
wuhan
wuhan
注：在過(guò)濾日志中的IP地址很有用。
Linux下刪除大數(shù)據(jù)文件中部分字段重復(fù)的行
最近寫(xiě)的一個(gè)數(shù)據(jù)采集程序生成了一個(gè)含有1千多萬(wàn)行數(shù)據(jù)的文件，數(shù)據(jù)由4個(gè)字段組成，按照要求需要?jiǎng)h除第二個(gè)字段重復(fù)的行，找來(lái)找去linux下也沒(méi)找到合適的工具，sed/gawk等流處理工具只能針對(duì)一行一行處理，并無(wú)法找到字段重復(fù)的行?？磥?lái)只好自己python一個(gè)程序了，突然想起來(lái)利用mysql，于是進(jìn)行乾坤大挪移：
1. 利用mysqlimport --local dbname data.txt導(dǎo)入數(shù)據(jù)到表中，表名要與文件名一致
2. 執(zhí)行下列sql語(yǔ)句(要求唯一的字段為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;/p>
p>drop table tablename;
rename table t2 to tablename;
