Question

我看过另一个类似主题的问题，但它并没有解决我目前遇到的问题。

我有两张桌子：

users (id, name)

projects (id, user_id, image, inserted)

由于表格＆＃39;项目中的Flash应用程序出错？有很多重复（一个项目被添加了几次）。在连续副本之间存在几秒钟的时差（小于10秒），这是确定重复项的唯一方法（用户可以添加无限数量的项目，但创建一个项目需要至少一分钟）。

如何选择和删除副本（并保留原始副本）？

修改

Robin Castlin在下面发布的解决方案几乎就在那里，但是这个查询：

SELECT p2.id
FROM project AS p
INNER JOIN project AS p2
ON p.id != p2.id AND p.user_id = p2.user_id AND 
    ABS(TIME_TO_SEC(TIMEDIFF(p.inserted, p2.inserted))) <= 10
GROUP BY p2.id

选择所有副本（如果用户添加项目5次，它会给我5个ID）。那么让我们反向问题：如何从该组中选择除第一个/最后一个之外的所有内容？或者只有第一个/最后一个？

Answer 1

CREATE TEMPORARY TABLE tmp_project (
    p1_id INT,
    p2_id INT
)
SELECT p.id, p2.id
FROM project AS p
INNER JOIN project AS p2
ON p.user_id = p2.user_id AND 
    ABS(TO_SECONDS(TIME_DIFF(p.inserted, p2.inserted))) <= 10;

SELECT p2_id
FROM tmp_project
WHERE p2_id NOT IN (SELECT p2_id
                    FROM tmp_project
                    GROUP BY p1_id)
GROUP BY p2_id;

我现在变得有点复杂了。由于我们需要使用相同的行2次来过滤第一次出现，我创建一个临时表并从那里处理它。我加入所有案例，即使是相同的ID，然后使用NOT IN和GROUP BY p1_id对其进行过滤。

如果图像数据的副本相同，也可以使用此解决方案：

在这些情况下，image字段不应该相同吗？

SELECT id
FROM project
WHERE id NOT IN (   SELECT id
                    FROM projects
                    GROUP BY image, user_id)

这将使您获得表中不是第一个重复项的列表。

然后拿走这些ID并简单地

DELETE FROM project WHERE id IN (id1, id2, id3, ...)

Answer 2

在两个重要时刻之间取得差异。

如果差异为10秒[根据您的帖子]，则不要添加它。

这个问题可以帮助您缩短时间间隔。

How to Split Time and calculate time difference in sql server 2005?

如何通过时差删除MySQL数据库中的重复项

2 个答案: