从 MySQL 数据库表中获取列 X 唯一的所有列

Question

我被我的 MySQL 语句卡住了。我有一个巨大的数据库表（140.000 行），其中包含文件路径、MD5 哈希和代码版本。现在我想要获取可以根据特定文件的 MD5 哈希识别版本的行。

类似的东西

Path                    MD5                                 Version
----------------------------------------------------------------------------
my/path/to/file         12B9DA49A62D8E7B21B5AA2C6C3126CB    1.2.0
my/path/to/file         12B9DA49A62D8E7B21B5AA2C6C3126CB    1.2.1
my/path/to/file         FDA9A7D31ECC70F99D533D88F9EDE441    1.2.2    
my/path/to/file         E68CC0233A1719A17CDF5D7CFB9539A8    1.2.3
my/path/to/file         E68CC0233A1719A17CDF5D7CFB9539A8    1.2.4

因此版本 1.2.2 可以通过文件和哈希轻松识别，因为该文件的 MD5 值是唯一的。

现在我需要该查询的 SQL 语句。我尝试过使用 DISTINCT，使用 HAVING COUNT 和 GROUP BY。但根本没有成功。其实我又开始了

SELECT DISTINCT
   md5
FROM 
  source_files
  INNER JOIN (
    SELECT
    *
    FROM
      source_files
  ) subq ON source_files.md5 = subq.md5

因为我需要所有列，而不仅仅是 SELECT DISTINCT md5 FROM source_files 返回的 md5 列。但这也会引发错误。我还需要group by version，因为我只需要一个组合/版本来识别它。

多文件检查

另外一个级别是：如果一个版本无法通过唯一的 MD5 哈希来识别，因为该版本没有唯一的 MD5 哈希，它应该针对两个文件、三个文件或四个文件进行“测试”。 . 由于一个版本的文件/MD5 哈希值的组合是独一无二的。

这里是多文件检查的更新示例

Path                    MD5                                 Version
----------------------------------------------------------------------------
my/path/to/file         12B9DA49A62D8E7B21B5AA2C6C3126CB    1.2.0
my/path/to/file         12B9DA49A62D8E7B21B5AA2C6C3126CB    1.2.1
my/path/to/file         FDA9A7D31ECC70F99D533D88F9EDE441    1.2.2    
my/path/to/file         E68CC0233A1719A17CDF5D7CFB9539A8    1.2.3    <- same file
my/path/to/file         E68CC0233A1719A17CDF5D7CFB9539A8    1.2.4    <- same file

my/path/to/file2        884F676DE41CB35951322B98654E046C    1.2.0    <- same file
my/path/to/file2        884F676DE41CB35951322B98654E046C    1.2.1    <- same file
my/path/to/file2        884F676DE41CB35951322B98654E046C    1.2.2    <- same file
my/path/to/file2        884F676DE41CB35951322B98654E046C    1.2.3    <- same file
my/path/to/file2        3182B2BEDDB1F798F66D27425B9F99D9    1.2.4
my/path/to/file2        3182B2BEDDB1F798F66D27425B9F99D9    1.2.5

所以版本 1.2.3 可以通过第 4 个“文件”和第 4 个“文件 2”来识别

Answer 1

SELECT * FROM source_files
INNER JOIN (
     SELECT MD5, COUNT(1) AS CountOf 
     FROM source_files 
     GROUP BY MD5
) tbl
ON source_files.MD5=tbl.MD5
WHERE tbl.CountOf = 1

已编辑。 超越：

如果一个版本无法通过唯一的 MD5 散列来识别，因为该版本没有唯一的 MD5 散列，它应该针对两个文件、三个文件或四个文件进行“测试”......因为有一个 unqiuie 组合一个版本的文件数/MD5 哈希值。

然后看起来source_files 表的PK 是两个字段path 和MD5 的组合。有关具有多列作为主键 here 或 here 的表的详细信息。

在这种情况下，您可以在多个列上更改先前的查询和GROUP BY（详细信息here）：

SELECT * FROM source_files
INNER JOIN (
     SELECT MD5, COUNT(1) AS CountOf 
     FROM source_files 
     GROUP BY path, MD5
) tbl
ON source_files.MD5=tbl.MD5
WHERE tbl.CountOf = 1

Answer 2

你应该有主ID

select
    ID, 
    PATH,
    MD5,
    Version
from source_files LEFT JOIN 
(
    select *, count(MD5) count from source_files group by MD5
) sf on sf.ID = source_files.ID having sf.count = 1