Question

因此，我尝试识别帐户中的重复联系人记录，并寻找执行此操作的最佳方式。有一个帐户表和一个联系表。以下是我提出的问题，以便向我提供我需要的内容，但我觉得可能有更好/更有效的方法来做到这一点，所以寻找任何反馈/建议。提前谢谢！

SELECT * FROM sysdba.CONTACT a WITH(NOLOCK)
WHERE EXISTS
(
SELECT ACCOUNTID, FIRSTNAME, LASTNAME, EMAIL FROM sysdba.CONTACT b WITH(NOLOCK)
GROUP BY ACCOUNTID, FIRSTNAME, LASTNAME, EMAIL
HAVING COUNT(*) > 1
AND a.ACCOUNTID = b.ACCOUNTID AND a.FIRSTNAME = b.FIRSTNAME AND a.LASTNAME = b.LASTNAME AND a.EMAIL = b.EMAIL
)
ORDER BY ACCOUNTID, FIRSTNAME, LASTNAME, EMAIL

这是我可以做到的另一种方式，但是必须使用DISTINCT看起来很丑..

SELECT DISTINCT a.CONTACTID, a.FIRSTNAME, a.LASTNAME, a.EMAIL FROM sysdba.CONTACT a WITH(NOLOCK)
JOIN sysdba.CONTACT b WITH(NOLOCK)
ON a.ACCOUNTID = b.ACCOUNTID AND a.FIRSTNAME = b.FIRSTNAME AND a.LASTNAME = b.LASTNAME AND a.EMAIL = b.EMAIL AND a.CONTACTID != b.CONTACTID
ORDER BY a.CONTACTID, a.FIRSTNAME, a.LASTNAME, a.EMAIL

当检查两者的执行计划时，第一个查询是37％，而第二个查询是63％，这是令人惊讶的，因为我总是（显然是错误的）使用连接比依赖更快一个where子句。

Answer 1

当您尝试识别重复项时，通常的做法是使用窗口聚合函数，例如COUNT() OVER (...)和ROW_NUMBER() OVER (...)。

以下是应该返回记录组的查询，其中对于相同的CONTACTID组合，有多个ACCOUNTID, FIRSTNAME, LASTNAME, EMAIL。换句话说，此查询返回具有重复项的记录及其重复项：

;WITH cteCONTACT
AS (
    SELECT ACCOUNTID, FIRSTNAME, LASTNAME, EMAIL, CONTACTID,
        CNT = COUNT(*) OVER (PARTITION BY ACCOUNTID, FIRSTNAME, LASTNAME, EMAIL)
    FROM sysdba.CONTACT
)
SELECT ACCOUNTID, FIRSTNAME, LASTNAME, EMAIL, CONTACTID
FROM cteCONTACT
WHERE CNT > 1;

以下查询应仅返回重复项，没有重复的记录：

;WITH cteCONTACT
AS (
    SELECT ACCOUNTID, FIRSTNAME, LASTNAME, EMAIL, CONTACTID,
        NUM = ROW_NUMBER() OVER (
            PARTITION BY ACCOUNTID, FIRSTNAME, LASTNAME, EMAIL
            ORDER BY CONTACTID)
    FROM sysdba.CONTACT
)
SELECT ACCOUNTID, FIRSTNAME, LASTNAME, EMAIL, CONTACTID
FROM cteCONTACT
WHERE NUM > 1;

识别表中的重复项：查找查询建议

1 个答案: