MySQL -- 标记除 1 个匹配行之外的所有行

Question

这类似于this question，但似乎其中的一些答案与 MySQL 不太兼容（或者我做得不对），而且我花了很多时间弄清楚我需要的改变。显然我的 SQL 比我想象的更生疏。我也希望更改列值而不是删除，但我认为至少 那个 部分很简单......

我有一张这样的桌子：

rowid SERIAL
指纹文本
重复布尔值
内容 TEXT
created_date DATETIME

我想通过指纹为每个组的第一个（按 created_date）设置重复=true。很容易将具有重复指纹的所有行标记为欺骗行。我坚持的部分是保持第一。

其中一个填充表格的应用会大量加载数据，多个工作人员从不同来源加载数据，工作人员的数据不一定按日期分区，因此尝试将这些都标记为很痛苦他们进来（插入的第一个不一定是按日期排列的第一个）。此外，我已经有一堆数据，我需要清理任何一种方式。所以我宁愿有一个相对有效的查询，我可以在批量加载后运行以进行清理，而不是尝试将其构建到该应用程序中。

谢谢！

Answer 1

如果您分组的数据大于 1024 字节，则需要明确告知 MySQL（有关详细信息，请参阅this link）。因此，如果您的指纹列中的数据大于 1024 字节，您应该使用将 max_sort_length 变量设置为更大的数字（有关允许的值的详细信息，请参阅 this link，以及有关如何设置它的 this link），以便group by 不会默默地仅使用您的部分数据进行分组。

一旦您确定 MySQL 将正确分组您的数据，以下查询将设置重复标志，以便第一个指纹记录的重复设置为 FALSE/0，任何后续指纹记录的重复设置为 TRUE/1：

    UPDATE mytable m1
INNER JOIN (SELECT fingerprint
                 , MIN(rowid) AS minrow 
              FROM mytable m2 
          GROUP BY fingerprint) m3 
        ON m1.fingerprint = m3.fingerprint
       SET m1.duplicate = m3.minrow != m1.rowid;

请记住，此解决方案不考虑 NULL，如果指纹字段可能为 NULL，那么您将需要额外的逻辑来处理这种情况。

Answer 2

假设您可以在数据加载期间离线，那么两步方法怎么样：

• 将每个项目标记为重复。
• 从每个组中选择最早的行，并清除重复标志。

不优雅，但可以完成工作。

Answer 3

这是一个有趣的方法：

SET @rowid := 0;

UPDATE mytable
SET duplicate = (rowid = @rowid), 
    rowid = (@rowid:=rowid)
ORDER BY rowid, created_date;

• 首先将用户变量设置为零，假设它小于表中的任何 rowid。
• 然后使用 MySQL UPDATE...ORDER BY 功能确保行按顺序更新rowid，然后按created_date。
• 对于每一行，如果当前rowid不等于用户变量@rowid，则将duplicate设置为0（假）。只有在遇到rowid 的给定值的第一行才会出现这种情况。
• 然后将rowid 的虚拟集添加到它自己的值，将@rowid 设置为该值作为副作用。
• 当你UPDATE 下一行时，如果它与上一行重复，rowid 将等于用户变量@rowid，因此duplicate 将设置为 1 (true)。

编辑：现在我已经对此进行了测试，并更正了设置duplicate 的行中的一个错误。

Answer 4

这是另一种方法，使用 MySQL 的多表 UPDATE 语法：

UPDATE mytable m1
  JOIN mytable m2 ON (m1.rowid = m2.rowid AND m1.created_date < m2.created_date)
SET m2.duplicate = 1;

Answer 5

我不知道 MySQL 的语法，但在 PLSQL 中你只需要：

UPDATE t1
SET duplicate = 1
FROM MyTable t1
WHERE rowid != (
  SELECT TOP 1 rowid FROM MyTable t2
  WHERE t2.fingerprint = t1.fingerprint ORDER BY created_date DESC
)

这可能有一些语法错误，因为我只是随便打字/无法测试它，但这就是它的要点。

---

MySQL 版本（未测试）：

UPDATE t1
  SET duplicate = 1
FROM MyTable t1
WHERE rowid != (
  SELECT rowid FROM MyTable t2
  WHERE t2.fingerprint = t1.fingerprint
  ORDER BY created_date DESC
  LIMIT 1
)

Answer 6

未经测试...

UPDATE TheAnonymousTable
   SET duplicate = TRUE
 WHERE rowid NOT IN
       (SELECT rowid
          FROM (SELECT MIN(created_date) AS created_date, fingerprint
                  FROM TheAnonymousTable
                 GROUP BY fingerprint
               ) AS M,
               TheAnonymousTable AS T
         WHERE M.created_date = T.created_date
           AND M.fingerprint  = T.fingerprint
       );

逻辑是最里面的查询返回每个不同指纹的最早created_date作为表别名M。中间查询确定每行的rowid值；必须这样做（但必要）很麻烦，并且代码假定您不会获得相同指纹和时间戳的两条记录。这为您提供了每个单独指纹的最早记录的 rowid。然后外部查询（UPDATE）在所有那些 rowid 不是最早行之一的行上设置“重复”标志。

一些 DBMS 可能对在正在更新的表上执行（嵌套）子查询不满意。