查询以从表中删除所有冗余条目

Question

我有一个描述实体之间关系的Postgres表，这个表由一个我无法修改的进程填充。这是该表的一个示例：

+-----+-----+
| e1  | e2  |
|-----+-----|
|  A  |  B  |
|  C  |  D  |
|  D  |  C  |
| ... | ... |
+-----+-----+

我想编写一个SQL查询，它将从表中删除所有不必要的关系，例如，[D, C]关系是冗余的，因为它已由[C, D]定义。

我有一个使用自连接删除的查询，但这会删除与关系有关的所有内容，例如：

DELETE FROM foo USING foo b WHERE foo.e2 = b.e1 AND foo.e1 = b.e2;

结果：

+-----+-----+
| e1  | e2  |
|-----+-----|
|  A  |  B  |
| ... | ... |
+-----+-----+

但是，我需要一个可以让我了解其中一种关系的查询，无论哪种关系仍然存在，[C, D]或[D, C]都不重要。

我觉得这里有一个简单的解决方案，但它正在逃避我。

Answer 1

一般解决方案是使用始终唯一的伪列ctid：

DELETE FROM foo USING foo b WHERE foo.e2 = b.e1 AND foo.e1 = b.e2
    AND foo.ctid > b.ctid;

顺便提一下，它保留了物理位置最接近表格第一个数据页面的元组。

Answer 2

假设一个精确的重复行被约束，给定关系总会最多有两行：（C，D）和（D，C）在你的例子中。相同的约束也意味着两列具有不同的值：对（C，C）可能是合法的，但不能重复。

假设所涉及的数据类型具有明确的>定义，您可以添加一个条件，即要删除的行是第一列>第二列的行，并保留另一列不变。

在您的示例查询中，这意味着要添加AND foo.e1 > foo.e2。