有个36.6G的csv文件，需要去重并导入到数据库（顺序无所谓，只需要结果是一个无重复的表），如何处理？
可以用bash, 先sort, 然后用awk检查相邻行是否一样，如果不一样就输出到一个新的文件。这样其实速度并不慢，但是可能需要很多空间。
比较好的做法是在导入时让数据库自己处理，比如前面所说的定义unique域。
如果 Foo 字段不能重复，那么定义 Unique 就好了，自动去掉了：
CREATE TABLE xxx (
...
Foo varchar unique not null,
...
);
你可以全部导入数据库然后通过sql操作删除重复的数据
对可能重复的字段建一个唯一索引
插入的时候用insert ignore into ...