制作一个 SP 以确定哪些列使表唯一

Question

出于多种原因，您会想知道哪些列使表格独一无二。当您的表具有实际 PK 或只有几列时，这很容易做到。

但是，在这种情况下，我得到了很多没有指定任何数据类型的大表（50 多列），因此没有键。 有一些选项可以获取此信息；使用特定工具解析表或简单地询问表的所有者/创建者复合键是什么。 这可以证明是一个缓慢的过程。 我想看看我是否可以确定具有存储过程的表的复合键是什么。

我确定每张桌子都必须有一个。这是因为每个表中的每一行都是唯一的。

我在谷歌上花了一些时间在这件事上，但我只遇到了制作复合键等的方法。或者用复合键列出表的方法（仅当它们已经定义时）。

基本上我要创建的是一个 SP，它接受一个表名并返回我可以变成复合键的列。

谁能指出我正确的方向，因为我现在有点迷茫。 我在这个项目中使用的是 SQL Server 2014。

Answer 1

这不是存储过程最合适的任务，但随着时间的推移它是可行的。不幸的是，直接完整的解决方案需要相当多的时间，太多了，我想说。时间复杂度约为 O(2^C)，其中 C 是列数，每次尝试也需要相当长的时间。

完整解决方案的总体思路是迭代列集，表列的每个可能组合（在集合内没有特定顺序）。然后我们检查集合的耦合，并从通过测试的列中获取最少列。

好消息，对可能的解决方案进行了快速测试。检查计数（不同）=计数（*）。如果可以的话，你至少可以用整个表作为一个位键...

坏消息，它并不能解决问题。

但我们可以贪婪。

计算每列的唯一值并按降序对列进行排序。如果有简单的 1 列 PK，它将在第一列。

现在我们按此顺序获取列并添加到列集。如果所选列 1..K 的唯一值的乘积小于 count(*)，则您无法从中获取唯一索引 - 更进一步。

一旦我们计算了足够多的可能性，请尝试使用动态 SQL 检查 count(distinct) 以对这些列进行选择。如果还不够，再往前走。

一旦我们获得足够的列来涵盖唯一性，我们就差不多完成了。现在让我们尝试从这个集合中删除一些列。从 1 迭代到 K 并尝试列集 (1..I-1, I+1..K)。如果它仍然是唯一的，请从集合中删除此列并继续删除列。

在删除列后继续正确迭代有点棘手，但它是可行的。

一旦我们尝试删除覆盖集的所有列，我们就完成了。

这不是精确的算法，所以你必须手动检查它，但至少你会有一些东西开始，它具有 O(C*D) 时间复杂度，其中 C 是列数，D 是表中的数据量。

Answer 2

这是 ETL 项目中的常见问题 - 您获得一个文件、表或其他数据源，并且必须猜测唯一列、大小、不同值、列之间的关系、可空性等。

SSIS 已经有一个Data Profiling Task 可以读取源（例如表）并执行许多此类检查。您需要的是Candidate Key Profile。这将检查哪些列组合可以用作键或什至 近似 键（即不是 100% 唯一的）。

此过程需要很长时间，因为该任务必须读取所有数据并检查所有列组合的唯一性。结果保存在一个文件中，可以在Data Profile Viewer 中打开进行分析。

您可以一次使用多个配置文件以节省时间，例如一次性收集大小、分布和候选键。

您还可以使用多个分析任务一次分析多个源/表，或将其放入一个循环容器中，以分析文件夹中的所有文件或列表中的所有表。

Answer 3

我觉得你只需要一个算法。如果您没有 PK，则可以将列用作索引中使用的关键嫌疑人。 您必须确保您的复合键在表格中是唯一的，因此必须查询数据。 这是我的想法： 0.查询表的行数 1. 选择可疑的列作为唯一键 2. 对该列进行字典计数查询，例如前 1000 行 3.如果结果为1000，则数据是唯一的。在这种情况下，用更多的行重复查询，直到达到表的行数。如果最后一个查询的结果等于您找到可能唯一键的表的行数。 4. 如果结果低于 1000，则用另一个嫌疑人制作复合键来补充所选列。用这个键从第 2 步开始重复。

这可能是一项缓慢而乏味的工作，您应该考虑到即使这样，您也不能确定您找到了真正的唯一键，只是一个与现有数据唯一的键。