如何从第一个重复项开始删除具有相同 ID 的其余行？

Question

DataTable 表的结构如下：每一列的数据类型都是 int，RowID 是一个标识列和主键。 LinkID 是一个外键，链接到另一个表的行。

RowID   LinkID   Order  Data    DataSpecifier
1       120      1      1       1
2       120      2      1       3
3       120      3      1       10
4       120      4      1       13
5       120      5      1       10
6       120      6      1       13
7       371      1      6       2
8       371      2      3       5
9       371      3      8       1
10      371      4      10      1
11      371      5      7       2
12      371      6      3       3
13      371      7      7       2
14      371      8      17      4
.................................
.................................

我正在尝试通过以下方式更改每个 LinkID 批次的查询：

• 使用相同的LinkID 获取每一行（例如，第一批是这里的前 6 行）
• 按Order 列排序
• 将Data 和DataSpecifier 列视为一个比较单元（可以将它们视为一列，称为dataunit）：
  • 从Order 1 开始保留尽可能多的行，直到出现重复的dataunit
  • 从LinkID 的第一个副本开始删除每一行

所以对于LinkID 120：

• 对批次进行排序（此处已排序，但仍应这样做）
• 从顶部开始查看（此处为Order=1），只要您没有看到重复项即可。
• 在第一个重复的 Order = 5 处停止（dataunit 1 10 已被看到）。
• 删除所有具有LinkID=120 AND Order>=5 的内容

在对LinkID371（以及表中的所有其他LinkID）进行类似处理后，处理后的表将如下所示：

RowID   LinkID   Order  Data    DataSpecifier
1       120      1      1       1
2       120      2      1       3
3       120      3      1       10
4       120      4      1       13
7       371      1      6       2
8       371      2      3       5
9       371      3      8       1
10      371      4      10      1
11      371      5      7       2
12      371      6      3       3
.................................
.................................

我已经完成了很多 SQL 查询，但从来没有这么复杂的事情。我知道我需要使用类似这样的查询：

DELETE FROM DataTable  
WHERE RowID IN (SELECT RowID
                FROM DataTable
                WHERE -- ?
                GROUP BY LinkID
                HAVING COUNT(*) > 1 -- ?
                ORDER BY [Order]);

但我似乎无法解决这个问题并正确查询。我最好在纯 SQL 中执行此操作，使用一个可执行（和可重用）查询。

Answer 1

您可以使用ROW_NUMBER() 窗口函数来识别原始行之后的任何行。之后，您可以删除匹配 LinkID 且大于或等于任何遇到的行号大于 1 的 Order 的行。

（我最初使用第二个 CTE 来获取 MIN order，但我意识到只要连接到 order 大于等于任何有第二个实例的 order DataUnitId。通过删除MIN，查询计划变得非常简单和高效。）

WITH DataUnitInstances AS (
  SELECT *
    , ROW_NUMBER() OVER
      (PARTITION BY LinkID, [Data], [DataSpecifier] ORDER BY [Order]) DataUnitInstanceId
  FROM DataTable
)
DELETE FROM DataTable
FROM DataTable dt
INNER JOIN DataUnitInstances dup ON dup.LinkID = dt.LinkID 
  AND dup.[Order] <= dt.[Order]
  AND dup.DataUnitInstanceId > 1

以下是与您想要的结果相匹配的示例数据的输出：

+-------+--------+-------+------+---------------+
| RowID | LinkID | Order | Data | DataSpecifier |
+-------+--------+-------+------+---------------+
| 1     | 120    | 1     | 1    | 1             |
| 2     | 120    | 2     | 1    | 3             |
| 3     | 120    | 3     | 1    | 10            |
| 4     | 120    | 4     | 1    | 13            |
| 7     | 371    | 1     | 6    | 2             |
| 8     | 371    | 2     | 3    | 5             |
| 9     | 371    | 3     | 8    | 1             |
| 10    | 371    | 4     | 10   | 1             |
| 11    | 371    | 5     | 7    | 2             |
| 12    | 371    | 6     | 3    | 3             |
+-------+--------+-------+------+---------------+

Answer 2

我们可以在这里尝试使用 CTE 来简化操作：

WITH cte AS (
    SELECT *,
        COUNT(*) OVER (PARTITION BY LinkID, Data, DataSpecifier ORDER BY [Order]) - 1 cnt
    FROM DataTable
),
cte2 AS (
    SELECT *,
        SUM(cnt) OVER (PARTITION BY LinkID ORDER BY [Order]) num
    FROM cte
)

DELETE
FROM cte
WHERE num > 0;

这里的逻辑是使用COUNT作为解析函数来识别重复记录。我们使用LinkID 以及Data 和DataSpecifier 的分区。任何Order 值大于或等于第一个非零计数记录的记录都将被删除。

这是一个演示，证明CTE的逻辑是正确的：

Demo

Answer 3

此解决方案使用APPLY 来查找每个链接的最小订单。

设置：

IF OBJECT_ID('tempdb..#YourData') IS NOT NULL
    DROP TABLE #YourData

CREATE TABLE #YourData (
    RowID INT,
    LinkID INT,
    [Order] INT,
    Data INT,
    DataSpecifier INT)

INSERT INTO #YourData (
    RowID,
    LinkID,
    [Order],
    Data,
    DataSpecifier)
VALUES
    ('1', ' 120', '1', '1', ' 1'), 
    ('2', ' 120', '2', '1', ' 3'), 
    ('3', ' 120', '3', '1', ' 10'), 
    ('4', ' 120', '4', '1', ' 13'), 
    ('5', ' 120', '5', '1', ' 10'), 
    ('6', ' 120', '6', '1', ' 13'), 
    ('7', ' 371', '1', '6', ' 2'), 
    ('8', ' 371', '2', '3', ' 5'), 
    ('9', ' 371', '3', '8', ' 1'), 
    ('10', '371', '4', '10', '1'), 
    ('11', '371', '5', '7', ' 2'), 
    ('12', '371', '6', '3', ' 3'), 
    ('13', '371', '7', '7', ' 2'), 
    ('14', '371', '8', '17', '4')

解决方案：

;WITH MinOrderToDeleteByLinkID AS
(
    SELECT
        T.LinkID,
        MinOrder = MIN(C.[Order])
    FROM
        #YourData AS T
        OUTER APPLY (
            SELECT TOP 1
                C.*
            FROM
                #YourData AS C
            WHERE
                C.LinkID = T.LinkID AND
                C.Data = T.Data AND
                C.DataSpecifier = T.DataSpecifier AND
                C.[Order] > T.[Order]
            ORDER BY
                T.[Order]) AS C
    GROUP BY
        T.LinkID
)
DELETE Y FROM
-- SELECT Y.* FROM
    #YourData AS Y
    INNER JOIN MinOrderToDeleteByLinkID AS M ON
        Y.LinkID = M.LinkID AND
        Y.[Order] >= M.MinOrder

要删除的行如下：

RowID   LinkID  Order   Data    DataSpecifier
5       120     5       1       10
6       120     6       1       13
13      371     7       7       2
14      371     8       17      4

...对应于元组Data-DataSpecified 开始重复特定LinkID 的点。