MySQL去除“关联表”重复数据，以建立联合唯一索引

前言

昨天遇到一个问题，需要对一张关系表进行重构和优化。然而这张关系表由于已有代码没有注重并发导致了很多的脏数据，即重复数据。

表名thread_recommend，帖子推荐表，为两个实体user_id和thread_id的(推荐)关系表，表结构很简单如下：

/*用户推荐帖子记录表*/
CREATE TABLE `thread_recommend` (
`id` int(11) NOT NULL AUTO_INCREMENT, 
`thread_id` int(11) DEFAULT NULL COMMENT '被用户推荐的帖子编号', 
`user_id` int(11) DEFAULT NULL COMMENT '推荐该帖子的用户编号', 
`status` int(11) DEFAULT '1' COMMENT '状态0 取消推荐，1推荐', 
`created` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '推荐时间', 
PRIMARY KEY (`id`), 
KEY `userid` (`user_id`) USING BTREE
) ENGINE=InnoDB;

问题在于，由于代码不规范，在高并发时（或数据库压力大时造成的延时积压时）会出现多个（相同thread_id和user_id的）组合，如下：

之后你们懂的，各种和原想不一致的神奇bug喷涌而出，比如：

我刚刚取消了推荐，怎么还显示我推荐着！！
显示的总推荐数怎么和实际推荐用户加起来不一样！！

解决方案一：使用`insert where not exists`语句

声明：此方案并不是最佳方案，不推荐使用。

先上代码：（这里拿另一个关系表的真实query举例，原理一样）

INSERT INTO `user_topic` (`user_id`, `topic_id`)
SELECT :userId, :topicid FROM `user_topic`
WHERE NOT EXISTS (SELECT * FROM `user_topic`
  WHERE `user_topic`.`user_id` = :userId
  AND `user_topic`.`topic_id` = :topicid)
LIMIT 1;

（相同方法见http://stackoverflow.com/a/31...）
通过这种“插入时判断不存在才插入并返回行数为1，存在的话返回行数为0”的方法，可以做到：

只有在返回行数为1的情况下才执行之后逻辑（如缓存内的统计数+1，缓存内帖子推荐人增加此userId等等）
如果返回行数为0，则接口返回error

解决方案二：清理脏数据并建立联合唯一索引

这个方案是本文的核心了，也是我们目前认为的最佳实践。

第一步：查找user_id, thread_id的联合duplication

SELECT a.* FROM `thread_recommend` a
INNER JOIN (SELECT * FROM `thread_recommend` GROUP BY `thread_id`, `user_id` HAVING COUNT(id) > 1) b ON a.`thread_id` = b.`thread_id` AND a.`user_id` = b.`user_id`
ORDER BY a.`user_id` ASC, a.`thread_id` ASC, a.`id` DESC

或简单的版本

SELECT * FROM `thread_recommend`
WHERE (`user_id`, `thread_id`) IN (SELECT `user_id`, `thread_id` FROM `thread_recommend` GROUP BY `user_id`, `thread_id` HAVING COUNT(1) > 1);

得到

哇！所有的重复项都在这里了，好想马上把它们干掉！

现在需要将重复的条目中ID更大的所有条目都删除，只留ID最小的那一个。
删之前先获得需要删除项，比对一下，

SELECT * FROM `thread_recommend`
WHERE (`user_id`, `thread_id`) IN (SELECT `user_id`, `thread_id` FROM `thread_recommend` GROUP BY `user_id`, `thread_id` HAVING COUNT(1) > 1)
AND `id` NOT IN (SELECT MIN(`id`) FROM `thread_recommend` GROUP BY `user_id`, `thread_id` HAVING COUNT(1) > 1);

下一步，SELECT * FROM改成DELETE FROM，删除！

DELETE FROM `thread_recommend`
WHERE (`user_id`, `thread_id`) IN (SELECT `user_id`, `thread_id` FROM `thread_recommend` GROUP BY `user_id`, `thread_id` HAVING COUNT(1) > 1)
AND `id` NOT IN (SELECT MIN(`id`) FROM `thread_recommend` GROUP BY `user_id`, `thread_id` HAVING COUNT(1) > 1);

Oops!报错! You can't specify target table 'thread_recommend' for update in FROM clause
这是Mysql的一个小问题，我们参见解决方案 http://stackoverflow.com/a/14... 后修改一下SQL就好：

DELETE FROM `thread_recommend`
WHERE (`user_id`, `thread_id`) IN (SELECT `user_id`, `thread_id` FROM (SELECT * FROM `thread_recommend`) a GROUP BY `user_id`, `thread_id` HAVING COUNT(1) > 1)
AND `id` NOT IN (SELECT MIN(`id`) FROM (SELECT * FROM `thread_recommend`) b GROUP BY `user_id`, `thread_id` HAVING COUNT(1) > 1);

最后，加联合唯一索引！

ALTER TABLE `thread_recommend`
ADD UNIQUE KEY `thread_id_user_id_unique`(`thread_id`,`user_id`) USING BTREE;

Of course，如果上述清理工作没有完成将会报错！

完！

前言

解决方案一：使用insert where not exists语句

解决方案二：清理脏数据并建立联合唯一索引

第一步：查找user_id, thread_id的联合duplication

解决方案一：使用`insert where not exists`语句