Question

例如，我有一个带有这些表的大型SQL数据库：

first_name | last_name | email             | country | created_at
-----------------------------------------------------------------
      john | DOE       | johndoe@email.com | USA     | 2016-05-01
      john | DOE       | johndoe@email.com | FRANCE  | 2019-05-03
       doe | John      | johndoe@email.com | CANADA  | 2011-08-23

以前的数据库是在没有唯一电子邮件的情况下构建的（是的，这太可怕了）。因此，我需要用相同的电子邮件将用户合并，但将最新记录与不同的数据合并。

然后通过删除较旧的数据库并保留最新的数据库来更新数据库。

如果不清楚，不好意思。

Answer 1

像这样吗？

delete t
    where t.created_at < (select max(t2. created_at)
                          from t t2
                          where t2.email = t.email
                         );

Answer 2

使用EXISTS：

delete tablename t
where exists (
  select 1 from tablename where email = t.email and created_at > t.created_at
)

EXISTS将在发现1行具有相同电子邮件并且日期大于当前行的日期后立即返回TRUE，因此不需要扫描整个表的每一行。

Answer 3

您提到这是一个很大的数据库。然后，我建议您在通过@forpas或@Gordon Linoff运行脚本之前，在表上添加索引，因为处理数百万行时这些脚本可能需要很长时间才能完成。

可以这样创建索引：

CREATE INDEX tablename_index ON tablename (email, created_at);

然后，如果您不再需要该索引，则可以像这样删除它：

DROP INDEX tablename_index ON tablename;

SQL-按最近的日期合并重复的行

3 个答案: