我正在使用 Heroku 来托管我的 Ruby on Rails 应用程序，出于某种原因，我可能有一些重复的行。
有没有办法根据 2 个或更多条件删除重复记录，但只保留该重复集合的 1 条记录？
在我的用例中，我的数据库中有汽车的品牌和型号关系。
Make Model
--- ---
Name Name
Year
Trim
MakeId
我想删除所有具有相同名称、年份和修剪但保留其中 1 条记录的模型记录（意思是，我需要该记录但只需要一次）。我正在使用 Heroku 控制台，所以我可以轻松地运行一些活动记录查询。
有什么建议么？
class Model
def self.dedupe
# find all models and group them on keys which should be common
grouped = all.group_by{|model| [model.name,model.year,model.trim,model.make_id] }
grouped.values.each do |duplicates|
# the first one we want to keep right?
first_one = duplicates.shift # or pop for last one
# if there are any more left, they are duplicates
# so delete all of them
duplicates.each{|double| double.destroy} # duplicates can now be destroyed
end
end
end
Model.dedupe
如果您的用户表数据如下
User.all =>
[
#<User id: 15, name: "a", email: "a@gmail.com", created_at: "2013-08-06 08:57:09", updated_at: "2013-08-06 08:57:09">,
#<User id: 16, name: "a1", email: "a@gmail.com", created_at: "2013-08-06 08:57:20", updated_at: "2013-08-06 08:57:20">,
#<User id: 17, name: "b", email: "b@gmail.com", created_at: "2013-08-06 08:57:28", updated_at: "2013-08-06 08:57:28">,
#<User id: 18, name: "b1", email: "b1@gmail.com", created_at: "2013-08-06 08:57:35", updated_at: "2013-08-06 08:57:35">,
#<User id: 19, name: "b11", email: "b1@gmail.com", created_at: "2013-08-06 09:01:30", updated_at: "2013-08-06 09:01:30">,
#<User id: 20, name: "b11", email: "b1@gmail.com", created_at: "2013-08-06 09:07:58", updated_at: "2013-08-06 09:07:58">]
1.9.2p290 :099 >
电子邮件 ID 是重复的，因此我们的目标是从用户表中删除所有重复的电子邮件 ID。
步骤1：
获取所有不同的电子邮件记录 ID。
ids = User.select("MIN(id) as id").group(:email,:name).collect(&:id)
=> [15, 16, 18, 19, 17]
第2步：
从具有不同电子邮件记录 ID 的用户表中删除重复的 ID。
现在 ids 数组包含以下 id。
[15, 16, 18, 19, 17]
User.where("id NOT IN (?)",ids) # To get all duplicate records
User.where("id NOT IN (?)",ids).destroy_all
** 导轨 4 **
ActiveRecord 4 引入了.not允许您在步骤 2 中编写以下内容的方法：
User.where.not(id: ids).destroy_all
类似于@Aditya Sanghi 的答案，但这种方式会更高效，因为您只选择重复项，而不是将每个模型对象加载到内存中然后遍历所有对象。
# returns only duplicates in the form of [[name1, year1, trim1], [name2, year2, trim2],...]
duplicate_row_values = Model.select('name, year, trim, count(*)').group('name, year, trim').having('count(*) > 1').pluck(:name, :year, :trim)
# load the duplicates and order however you wantm and then destroy all but one
duplicate_row_values.each do |name, year, trim|
Model.where(name: name, year: year, trim: trim).order(id: :desc)[1..-1].map(&:destroy)
end
此外，如果您真的不想在此表中重复数据，您可能希望向表中添加一个多列唯一索引，类似于：
add_index :models, [:name, :year, :trim], unique: true, name: 'index_unique_models'
您可以尝试以下方法：（基于以前的答案）
ids = Model.group('name, year, trim').pluck('MIN(id)')
获取所有有效记录。接着：
Model.where.not(id: ids).destroy_all
删除不需要的记录。当然，您可以进行为三列添加唯一索引的迁移，以便在数据库级别强制执行：
add_index :models, [:name, :year, :trim], unique: true
为了在迁移中运行它，我最终做了以下事情（基于@aditya-sanghi上面的答案）
class AddUniqueIndexToXYZ < ActiveRecord::Migration
def change
# delete duplicates
dedupe(XYZ, 'name', 'type')
add_index :xyz, [:name, :type], unique: true
end
def dedupe(model, *key_attrs)
model.select(key_attrs).group(key_attrs).having('count(*) > 1').each { |duplicates|
dup_rows = model.where(duplicates.attributes.slice(key_attrs)).to_a
# the first one we want to keep right?
dup_rows.shift
dup_rows.each{ |double| double.destroy } # duplicates can now be destroyed
}
end
end
基于@aditya-sanghi 的回答，使用 SQL 找到重复项的更有效方法。
将此添加到您ApplicationRecord的以便能够对任何模型进行重复数据删除：
class ApplicationRecord < ActiveRecord::Base
# …
def self.destroy_duplicates_by(*columns)
groups = select(columns).group(columns).having(Arel.star.count.gt(1))
groups.each do |duplicates|
records = where(duplicates.attributes.symbolize_keys.slice(*columns))
records.offset(1).destroy_all
end
end
end
然后，您可以调用destroy_duplicates_by以销毁对于给定列具有相同值的所有记录（第一条除外）。例如：
Model.destroy_duplicates_by(:name, :year, :trim, :make_id)
您可以尝试此 sql 查询，以删除所有重复记录但最新记录
DELETE FROM users USING users user WHERE (users.name = user.name AND users.year = user.year AND users.trim = user.trim AND users.id < user.id);