PostgreSQL join：删除一个表中存在的记录，但不删除另一个表中的记录答案

【问题标题】：PostgreSQL join: delete records present in one table, but not anotherPostgreSQL join：删除一个表中存在的记录，但不删除另一个表中的记录
【发布时间】：2011-04-06 08:48:40
【问题描述】：

我有一个嵌入 Flash 游戏的 Drupal 网站。

已注册的网站用户列在 drupal_users 表中 - 这里是一周前注册的用户列表：

# select uid, created from drupal_users where 
      to_timestamp(created) < (now() - interval '7 days') limit 5;
 uid  |  created
------+------------
 9903 | 1300257067
 9904 | 1300259929
 9750 | 1299858284
 9751 | 1299858603
 8083 | 1285514989
(5 rows)

Flash 游戏用户列在另一个表中 - pref_users 并在他们的 ID 前加上“DE”字符串：

# select id from pref_users where id like 'DE%' limit 5;
   id
--------
 DE9054
 DE9055
 DE9056
 DE9057
 DE9058
(5 rows)

我想摆脱一周前在我的网站上注册但仍未玩 Flash 游戏的（可能是垃圾邮件机器人）用户。 IE。我想删除 pref_users 表中不存在的 drupal_users 记录。

同时我不想做这样的事情：

# delete from drupal_users where 
    to_timestamp(created) < (now() - interval '7 days') and
    'DE'||uid not in (select id from pref_users where id like 'DE%');

因为我不确定，上面的 select 语句允许有多大（也许有限制？我使用的是 PostgreSQL 8.4.7 和 CentOS 5.5/64 位。在 Drupal7 之前，我使用的是 phpBB3，有时从 phpBB3 管理控制台删除旧论坛帖子时，我看到这种 SQL 语句失败）。

所以我的问题是，上面的语句是否可以改写为some kind of SQL-join？

【问题讨论】：

标签： postgresql join sql-delete

【解决方案1】：

在处理具有数百万条记录的表之间的连接时，我无法使用NOT IN 获得可接受的性能。相反，我写了相当于：

alter table drupal_users add column dont_delete boolean;

然后

update drupal_users set dont_delete = true from pref_users 
where 'DE'||drupal_users.uid = pref_users.id.

一旦创建了新的 drupal_users，这将不再有效，但是因为您只删除超过 7 天的记录，所以没关系。最后，验证您的记录并发布：

delete from drupal_users where dont_delete is null
  and to_timestamp(drupal_users.created) < (now() - interval '7 days');

清理：

alter table drupal_users drop column dont_delete;

【讨论】：

【解决方案2】：

无法将删除重写为 SQL 连接，AFAIK。但是你为什么不喜欢

delete from drupal_users where 
to_timestamp(created) < (now() - interval '7 days') and
'DE'||uid not in (select id from pref_users where id like 'DE%');

此语句的大小是静态的（您不会在此处生成任何动态 SQL），因此这是一种完全有效的方法，并且应该运行得非常快（如果这是您所关心的）。

【讨论】：

因为我在从 phpBB3 删除旧论坛帖子时使用类似的语句“从 table1 中删除 id in (select id from table2)”达到了一些 PostgreSQL 限制（不记得是哪一个，抱歉） ACP。
PostgreSQL 对 DELETE 有一个（非标准）扩展，您可以在其中使用 USING 指定另一个表，但我想这在这里是不可能的（因为 - 如果我正确理解 USING - 它总是执行内部加入）。但是您可能想自己检查一下。
好的，您认为向 (select id from pref_users where id like 'DE%') 添加 distinct 是个好主意吗？
不，因为它是多余的 - IN / EXISTS 子查询永远不需要 DISTINCT。它甚至可能会减慢您的查询速度（因为优化器必须删除重复两次 - 一次用于 DISTINCT，一次用于 IN）。

【解决方案3】：

这是另一种方法，使用 EXISTS 子查询：

delete from drupal_users D
where to_timestamp(created) < (now() - interval '7 days')
and not exists (select 1 from pref_users P where P.id = 'DE' || D.uid);

【讨论】：

【解决方案4】：

我重新创建了你说有一些 postgresql 限制的场景：

create table t0 (id int primary key);
NOTICE:  CREATE TABLE / PRIMARY KEY will create implicit index "t0_pkey" for table "t0"
CREATE TABLE

create table t1 (id int primary key);
NOTICE:  CREATE TABLE / PRIMARY KEY will create implicit index "t1_pkey" for table "t1"
CREATE TABLE

insert into t0 (id) 
select * from generate_series(1, 100000, 2);
INSERT 0 50000

insert into t1 (id) 
select * from generate_series(2, 100000, 2);
INSERT 0 50000

select * from t0 order by id limit 3;
 id 
----
  1
  3
  5
(3 rows)

select * from t1 order by id limit 3;
 id 
----
  2
  4
  6
(3 rows)

现在我从 t0 中删除所有在 t1 中不存在的行（全部）：

delete from t0
where id not in (select id from t1);

它有效

【讨论】：