Найдите email, которые встречаются в таблице пользователей больше одного раза
Проверила команда Сопровод · Обновлено
Короткий ответ
Сгруппируйте строки по email и оставьте группы, где строк больше одной: GROUP BY email HAVING count(*) > 1. Условие на count(*) пишется в HAVING, потому что WHERE работает до группировки и агрегатов еще не видит. Выведите рядом число повторов, чтобы было видно, насколько велика проблема.
Почему этот вопрос задают
Поиск дублей — первая проверка данных перед отчетом или чисткой базы. Решение короткое, и по нему ясно, понимает ли junior разницу между WHERE и HAVING и умеет ли читать результат группировки.
Условие задачи
Фитнес-клуб принимает регистрации на сайте в таблицу users(id, email). Из-за повторной отправки формы часть людей записалась несколько раз. Найдите адреса, которые встречаются больше одного раза, и выведите каждый адрес с числом его строк. Отсортируйте результат по адресу.
Как подойти к решению
- Сгруппируйте строки по
email, чтобы каждый адрес стал одной группой - Посчитайте строки в каждой группе через
count(*) - Оставьте группы, где строк больше одной, условием в
HAVING - Сверьте ответ с таблицей: два адреса, один из них записан трижды
Решение
Запрос читает таблицу один раз и складывает строки по адресу. HAVING проверяет уже посчитанное число строк в каждой группе, поэтому адреса с одной строкой в ответ не попадают. На большой таблице PostgreSQL обычно группирует хешированием, и индекс по email для такого запроса не обязателен.
SELECT email, count(*) AS cnt
FROM users
GROUP BY email
HAVING count(*) > 1
ORDER BY email;email | cnt ----------------+----- ivan@mail.test | 2 olga@mail.test | 3 (2 rows)
Что спросят следом
Как вывести сами строки-дубли вместе с их
id?Как найти дубли по двум столбцам, например по имени и телефону?
Как сделать, чтобы дубли больше не появлялись?
Доступно по подписке
Ответы на эти вопросы
Частые ошибки
«Напишу
WHERE count(*) > 1»PostgreSQL ответит ошибкой «aggregate functions are not allowed in WHERE». Фильтр по самим строкам, например по дате регистрации, оставьте в
WHERE, условие на группу перенесите вHAVING«Сделаю
SELECT DISTINCT emailи сравню с общим числом строк»DISTINCTсхлопывает повторы и прячет их. Разница в числе строк скажет, что дубли есть, но не покажет, какие адреса повторяются«Сгруппирую по
id, email, чтобы видеть номера строк»У каждой строки свой
id, и в каждой группе окажется одна строка:HAVINGничего не найдет. Группируйте только поemail, номера соберите черезarray_agg(id)«Пустые адреса в ответ не попадут, ведь
NULLне равенNULL»GROUP BYскладывает всеNULLв одну группу, и при двух пустых адресах в ответе появится строка безemail. Отсеките их условиемWHERE email IS NOT NULL
Сигналы для интервьюера
Сильный ответ
Сам спрашивает, считать ли дублем адреса с разным регистром и пробелами, и предлагает сравнивать lower(trim(email))
Тревожный сигнал
Находит повторяющиеся адреса, но не может по своему же результату посчитать, сколько лишних строк в таблице
Красный флаг
Говорит, что дубли проще найти, выгрузив таблицу в Excel и отсортировав по адресу
Как еще могут спросить
- Как найти повторяющиеся значения в столбце таблицы?
- Напишите запрос, который покажет дубликаты email и сколько раз повторяется каждый
- Как с помощью
GROUP BYиHAVINGнайти дубли? - Как проверить, есть ли в таблице пользователей одинаковые адреса почты?











