Oto dobry sposób na deduplikację rekordów w tabeli, która ma kolumnę tożsamości opartą na żądanym kluczu podstawowym, który można zdefiniować w czasie wykonywania. Zanim zacznę, wypełnię przykładowy zestaw danych do pracy, używając następującego kodu:
if exists (select 1 from sys.all_objects where type='u' and name='_original')
drop table _original
declare @startyear int = 2017
declare @endyear int = 2018
declare @iterator int = 1
declare @income money = cast((SELECT round(RAND()*(5000-4990)+4990 , 2)) as money)
declare @salesrepid int = cast(floor(rand()*(9100-9000)+9000) as varchar(4))
create table
while @iterator<=50000 begin
insert
select (Select cast(floor(rand()*(@endyear-@startyear)+@startyear) as varchar(4))+'-'+ cast(floor(rand()*(13-1)+1) as varchar(2)) ), @salesrepid , @income
set @salesrepid = cast(floor(rand()*(9100-9000)+9000) as varchar(4))
set @income = cast((SELECT round(RAND()*(5000-4990)+4990 , 2)) as money)
set @iterator=@iterator+1
end
update
set monthyear=replace(monthyear, '-', '-0') where len(monthyear)=6
select * into _original from
Następnie utworzę typ o nazwie ColumnNames:
create type ColumnNames AS table
(Columnnames varchar(max))
Na koniec utworzę przechowywany proces z następującymi trzema zastrzeżeniami: 1. Proces pobierze wymagany parametr @ nazwa tabeli, który definiuje nazwę tabeli, z której usuwasz w swojej bazie danych. 2. Proces ma opcjonalny parametr @columns, którego możesz użyć do zdefiniowania pól składających się na żądany klucz podstawowy, dla którego usuwasz. Jeśli to pole pozostanie puste, zakłada się, że wszystkie pola poza kolumną tożsamości tworzą żądany klucz podstawowy. 3. Po usunięciu zduplikowanych rekordów zostanie zachowany rekord z najniższą wartością w kolumnie tożsamości.
Oto moje zapisane proce delete_dupes:
create proc delete_dupes (@tablename varchar(max), @columns columnnames readonly)
as
begin
declare @table table (iterator int, name varchar(max), is_identity int)
declare @tablepartition table (idx int identity, type varchar(max), value varchar(max))
declare @partitionby varchar(max)
declare @iterator int= 1
if exists (select 1 from @columns) begin
declare @columns1 table (iterator int, columnnames varchar(max))
insert @columns1
select 1, columnnames from @columns
set @partitionby = (select distinct
substring((Select ', '+t1.columnnames
From @columns1 t1
Where T1.iterator = T2.iterator
ORDER BY T1.iterator
For XML PATH ('')),2, 1000) partition
From @columns1 T2 )
end
insert @table
select 1, a.name, is_identity from sys.all_columns a join sys.all_objects b on a.object_id=b.object_id
where b.name = @tablename
declare @identity varchar(max)= (select name from @table where is_identity=1)
while @iterator>=0 begin
insert @tablepartition
Select distinct case when @iterator=1 then 'order by' else 'over (partition by' end ,
substring((Select ', '+t1.name
From @table t1
Where T1.iterator = T2.iterator and is_identity=@iterator
ORDER BY T1.iterator
For XML PATH ('')),2, 5000) partition
From @table T2
set @iterator=@iterator-1
end
declare @originalpartition varchar(max)
if @partitionby is null begin
select @originalpartition = replace(b.value+','+a.type+a.value ,'over (partition by','') from @tablepartition a cross join @tablepartition b where a.idx=2 and b.idx=1
select @partitionby = a.type+a.value+' '+b.type+a.value+','+b.value+') rownum' from @tablepartition a cross join @tablepartition b where a.idx=2 and b.idx=1
end
else
begin
select @originalpartition=b.value +','+ @partitionby from @tablepartition a cross join @tablepartition b where a.idx=2 and b.idx=1
set @partitionby = (select 'OVER (partition by'+ @partitionby + ' ORDER BY'+ @partitionby + ','+b.value +') rownum'
from @tablepartition a cross join @tablepartition b where a.idx=2 and b.idx=1)
end
exec('select row_number() ' + @partitionby +', '+@originalpartition+' into ##temp from '+ @tablename+'')
exec(
'delete a from _original a
left join ##temp b on a.'+@identity+'=b.'+@identity+' and rownum=1
where b.rownum is null')
drop table
end
Po wykonaniu tej czynności możesz usunąć wszystkie zduplikowane rekordy, uruchamiając proc. Aby usunąć duplikaty bez definiowania żądanego klucza podstawowego, użyj tego wywołania:
exec delete_dupes '_original'
Aby usunąć duplikaty na podstawie zdefiniowanego pożądanego klucza podstawowego, użyj tego wywołania:
declare @table1 as columnnames
insert @table1
values ('salesrepid'),('sale')
exec delete_dupes '_original' , @table1