如何删除具有外键依赖项的重复行？

Question

我确定这很常见，但 Google 没有提供帮助。我正在尝试在 PostgreSQL 9.1 中编写一个简单的存储过程，它将从父 cpt 表中删除重复的条目。父表cpt被子表lab引用定义为：

CREATE TABLE lab (
 recid serial NOT NULL,
 cpt_recid integer,
  ........
 CONSTRAINT cs_cpt FOREIGN KEY (cpt_recid)
   REFERENCES cpt (recid) MATCH SIMPLE
   ON UPDATE NO ACTION ON DELETE RESTRICT,
 ...
);

我遇到的最大问题是如何获取失败的记录，以便我可以在EXCEPTION 子句中使用它来将子行从lab 移动到一个可接受的键，然后循环返回并删除cpt 表中不必要的记录。

这是（非常错误的）代码：

CREATE OR REPLACE FUNCTION h_RemoveDuplicateCPT()
  RETURNS void AS
$BODY$
BEGIN
LOOP
   BEGIN

   DELETE FROM cpt
   WHERE recid IN (
      SELECT recid
      FROM  (
         SELECT recid,
         row_number() over (partition BY cdesc ORDER BY recid) AS rnum
         FROM cpt) t
      WHERE t.rnum > 1)
   RETURNING recid;

   IF count = 0 THEN
      RETURN;
   END IF;  

   EXCEPTION WHEN foreign_key_violation THEN
      RAISE NOTICE 'fixing unique_violation';
      RAISE NOTICE 'recid is %' , recid;
   END;
END LOOP;
END;                    
$BODY$
LANGUAGE plpgsql VOLATILE;

Answer 1

您可以一次选择所有重复项并使用记录变量循环遍历结果。 您将可以访问整个当前记录。下面的函数可以作为一个例子：

create or replace function show_remove_duplicates_in_cpt ()
returns setof text language plpgsql
as $$
declare
    rec record;
begin
    for rec in
        select * from (
            select 
                recid, cdesc, 
                row_number() over (partition by cdesc order by recid) as rnum
            from cpt
            ) alias
        where rnum > 1
    loop
        return next format ('fixing foreign key for %s %s %s', rec.recid, rec.cdesc, rec.rnum);
        return next format ('deleting from cpt where recid = %s', rec.recid);
    end loop;
end $$;

select * from show_remove_duplicates_in_cpt ();

Answer 2

您可以使用带有data-modifying CTEs 的单个 SQL 语句更有效地完成此操作。

WITH plan AS (
   SELECT *
   FROM  (
      SELECT recid, min(recid) OVER (PARTITION BY cdesc) AS master_recid
      FROM   cpt
      ) sub
   WHERE  recid <> master_recid  -- ... <> self
   )
 , upd_lab AS (
   UPDATE lab l
   SET    cpt_recid = p.master_recid   -- link to master recid ...
   FROM   plan p
   WHERE  l.cpt_recid = p.recid
   )
DELETE FROM cpt c
USING  plan p
WHERE  c.recid = p.recid
RETURNING c.recid;

dbfiddle here（第 11 页）
SQL Fiddle（第 9.6 页）

这应该更快更干净。循环比较昂贵，异常处理比较昂贵。
更重要的是，lab 中的引用会自动重定向到 cpt 中的相应主行，这在您的原始代码中还没有。因此，您可以一次性删除所有的复制品。

如果您愿意，您仍然可以将其包装在 plpgsql 或 SQL 函数中。

说明

1. 在第一个 CTE plan 中，使用相同的 cdesc 标识每个分区中的主行。在您的情况下，recid 最小的行。

2. 在第二个 CTE upd_lab 中，将所有引用重复的行重定向到 cpt 中的主行。

3. 最后，删除重复数据，这不会引发异常，因为相关行实际上是同时链接到剩余的主行。

ON DELETE RESTRICT

语句的所有 CTE 和主查询几乎同时在基础表的同一快照上运行。他们看不到彼此对基础表的影响：

• Delete parent if it's not referenced by any other child

人们可能期望带有ON DELETE RESTRICT 的 FK 约束会引发异常，因为，[根据文档][3]：

NO ACTION 检查以外的参考操作不能被推迟， 即使约束被声明为可延迟的。

但是，上面的语句是一个单个命令，并且，[再次使用手册][3]：

一个不可延迟的约束将在之后立即检查 每个命令。

我的大胆强调。当然，也适用于限制较少的默认 ON DELETE NO ACTION。

但要小心并发事务写入相同的表，但这是一般考虑，并非特定于此任务。

一个例外适用于UNIQUE 和PRIMARY KEY 约束，但这与这种 情况无关：

• Constraint defined DEFERRABLE INITIALLY IMMEDIATE is still DEFERRED?