如何清理我的join_table並刪除重複的條目？

Question

我有2個模型 - Question和Tag - 它們之間有一個HABTM，它們共享一個連接表questions_tags。

盛宴你的眼睛在這個BADBOY：

1.9.3p392 :011 > Question.count 
    (852.1ms) SELECT COUNT(*) FROM "questions" 
=> 417 
1.9.3p392 :012 > Tag.count 
    (197.8ms) SELECT COUNT(*) FROM "tags" 
=> 601 
1.9.3p392 :013 > Question.connection.execute("select count(*) from questions_tags").first["count"].to_i 
    (648978.7ms) select count(*) from questions_tags 
=> 39919778 

我假設questions_tags連接表中包含了一堆重複的記錄 - 否則，我不知道爲什麼它會如此之大。

如何清理連接表，以便它只有uniq內容？或者我該如何檢查是否有重複的記錄？

編輯1

我使用PostgreSQL的，這是對join_table questions_tags

create_table "questions_tags", :id => false, :force => true do |t| 
    t.integer "question_id" 
    t.integer "tag_id" 
    end 

    add_index "questions_tags", ["question_id"], :name => "index_questions_tags_on_question_id" 
    add_index "questions_tags", ["tag_id"], :name => "index_questions_tags_on_tag_id" 

Answer 1

我把這個添加爲一個新的答案，因爲它與我的最後一個很大的不同。這個不認爲你在連接表上有一個id列。這將創建一個新表，選擇唯一的行，然後刪除舊錶並重命名新表。這比任何涉及子選擇的事情要快得多。

foo=# select * from questions_tags; 
question_id | tag_id 
-------------+-------- 
      1 |  2 
      2 |  1 
      2 |  2 
      1 |  1 
      1 |  1 
(5 rows) 

foo=# select distinct question_id, tag_id into questions_tags_tmp from questions_tags; 
SELECT 4 
foo=# select * from questions_tags_tmp; 
question_id | tag_id 
-------------+-------- 
      2 |  2 
      1 |  2 
      2 |  1 
      1 |  1 
(4 rows) 

foo=# drop table questions_tags; 
DROP TABLE 
foo=# alter table questions_tags_tmp rename to questions_tags; 
ALTER TABLE 
foo=# select * from questions_tags; 
question_id | tag_id 
-------------+-------- 
      2 |  2 
      1 |  2 
      2 |  1 
      1 |  1 
(4 rows) 

Answer 2

壞標籤參考

DELETE FROM questions_tags 
WHERE NOT EXISTS (SELECT 1 
       FROM tags 
       WHERE tags.id = questions_tags.tag_id); 

刪除標籤關聯與

刪除標籤關聯模式壞問題參考

DELETE FROM questions_tags 
WHERE NOT EXISTS (SELECT 1 
       FROM questions 
       WHERE questions.id = questions_tags.question_id); 

刪除重複的標籤關聯

DELETE FROM questions_tags 
USING (SELECT qt3.user_id, qt3.question_id, MIN(qt3.id) id 
      FROM questions_tags qt3 
      GROUP BY qt3.user_id, qt3.question_id 
     ) qt2 
WHERE questions_tags.user_id=qt2.user_id AND 
     questions_tags.question_id=qt2.question_id AND 
     questions_tags.id != qt2.id 

注：

嘗試他們在您的生產環境之前，請測試在開發環境中的SQL的。