Question

我有一个名为HeroStatus的模型，它具有以下属性：

ID
USER_ID
recordable_type
hero_type（可以为NULL！）
recordable_id
created_at

有超过100个hero_statuses，一个用户可以拥有多个hero_statuses，但不能多次拥有相同的hero_status。

用户的hero_status由recordable_type + hero_type + recordable_id的组合唯一标识。我想说的是，特定用户不能有重复的hero_status。

不幸的是，我没有进行确认以确保这一点，所以在我做了一些代码更改之后，我为用户提供了一些重复的hero_statuses。例如：

user_id = 18
recordable_type = 'Evil'
hero_type = 'Halitosis'
recordable_id = 1
created_at = '2010-05-03 18:30:30'

user_id = 18
recordable_type = 'Evil'
hero_type = 'Halitosis'
recordable_id = 1
created_at = '2009-03-03 15:30:00'

user_id = 18
recordable_type = 'Good'
hero_type = 'Hugs'
recordable_id = 1
created_at = '2009-02-03 12:30:00'

user_id = 18
recordable_type = 'Good'
hero_type = NULL
recordable_id = 2
created_at = '2009-012-03 08:30:00'

（最后两个显然不是重复。前两个是。）所以我想做的是摆脱重复的hero_status。哪一个？具有最近日期的那个。

我有三个问题：

如何使用仅SQL方法删除重复项？
如何使用纯Ruby解决方案删除重复项？与此类似：Removing "duplicate objects"。
如何进行验证以防止将来重复输入？

Answer 1

对于仅SQL的方法，我会使用此查询 - （我假设id是唯一的。）

DELETE FROM HeroStatus WHERE id IN
(SELECT id FROM 
   (SELECT user_id, recordable_type, hero_type, recordable_id, MAX(created_at)
     GROUP BY del.user_id, recordable_type, hero_type, recordable_id
     HAVING Count(id)>1) AS del 
      INNER JOIN HeroStatus AS hs ON
      hs.user_id=del.user_id AND hs.recordable_type=del.recordable_type 
       AND hs.hero_type=del.hero_type AND hs.recordable_id=del.recordable_id 
       AND hs.created_at = del.created_at)

有点怪物！查询使用自然键（user_id，recordable_type，hero_type）查找所有重复项，并选择具有最大created_at值的值（最近创建的）。然后它会找到这些行的ID（通过连接回主表）并删除具有该id的行。

（请先在表格的副本上试试这个并确认你得到你想要的结果！： - ）

为了防止将来发生这种情况，请在列user_id，recordable_type，hero_type，recordable_id上添加唯一索引或约束。 E.g。

ALTER TABLE HeroStatus 
ADD UNIQUE (user_id, recordable_type, hero_type, recordable_id)

修改

您可以在以下迁移中添加（并删除）此索引：

add_index(:HeroStatus, [:user_id, :recordable_type, :hero_type, :recordable_id], :unique => true) remove_index(:HeroStatus, :column => [:user_id, :recordable_type, :hero_type, :recordable_id], :unique => true)

或者，如果您想明确命名它：

add_index(:HeroStatus, [:user_id, :recordable_type, :hero_type, :recordable_id], :unique => true, :name => :my_unique_index) remove_index(:HeroStatus, :name => :my_unique_index)

Answer 2

有时你需要卷起袖子并做一些严肃的SQL来杀死你不想要的所有东西。如果它是一个单击的东西，这很容易，并且不太难以滚动到你可以按需发射的Rake任务。

例如，要选择所有不同的状态记录，可以使用以下内容：

SELECT id FROM hero_statuses GROUP BY user_id, hero_type, recordable_id

鉴于这些是您的集合中足够独特的记录，您可以去除所有您不想要的记录：

DELETE FROM hero_statuses WHERE id NOT IN (SELECT id FROM hero_statuses GROUP BY user_id, hero_type, recordable_id)

与涉及DELETE FROM的任何操作一样，我希望您不要在没有通常的预防措施的情况下解决生产数据。

至于将来如何防止这种情况，如果这些是唯一约束，请在它们上创建一个唯一索引：

add_index :hero_statuses, [ :user_id, :hero_type, :recordable_id ], :unique => true

当您尝试引入重复记录时，这将生成ActiveRecord异常。唯一索引的一个好处是，您可以使用“INSERT IGNORE INTO ...”或“INSERT ... ON DUPLICATE KEY ...”功能从潜在的重复中恢复。

删除由多个属性唯一标识的重复记录/对象

2 个答案: