更新SQL Server中表中的所有重复记录中的所有记录

Question

我有一个SQL Server表,其中一列(object_id)中有重复的条目,例如:

+----+-----------+------------+
| id | object_id | status_val |
+----+-----------+------------+
|  1 |         1 |          0 | 
|  2 |         1 |          0 | 
|  3 |         1 |          0 | 
|  4 |         2 |          0 | 
|  5 |         3 |          0 | 
|  6 |         3 |          0 | 
+----+-----------+------------+

我需要更新他们的所有状态,除了object_id列中有重复的状态.所以在上表中,object_id1和3是重复的.所以我想将它们更改status_val为2,除了其中一个条目.结果如下:

| id | object_id | status_val |
+----+-----------+------------+
|  1 |         1 |          0 | 
|  2 |         1 |          2 | 
|  3 |         1 |          2 | 
|  4 |         2 |          0 | 
|  5 |         3 |          0 | 
|  6 |         3 |          2 | 
+----+-----------+------------+

哪个重复行的状态更新无关紧要.

任何帮助,将不胜感激.

Answer 1

您可以在没有连接的情况下解决此问题,这意味着它应该具有更好的性能.我们的想法是通过object_id对数据进行分组,计算每个object_id的行号.这就是"分区依据"的作用.然后你可以更新row_num> 1的位置.这将更新除第一个之外的所有重复的object_id!

update t set t.status_val = 'some_status' 
from (
    select *, row_number() over(partition by object_id order by (select null)) row_num  
    from foo
) t 
where row_num > 1 

在82944条记录的测试表上,表现如此(您的里程可能会有所不同!):表'测试'.扫描计数5,逻辑读取82283,物理读取0,预读取读取0,lob逻辑读取0,lob物理读取0,lob预读取读取0. CPU时间= 141 ms,经过时间= 150 ms.

我们当然也可以通过使用内部连接来解决这个问题,但是,通常这会导致更多的逻辑读取和更高的CPU:

表'测试'.扫描计数10,逻辑读取83622,物理读取0,预读读取0,lob逻辑读取0,lob物理读取0,lob预读读取0.表'Workfile'.扫描计数0,逻辑读取0,物理读取0,预读取读取0,lob逻辑读取0,lob物理读取0,lob预读读取0.表'工作表'.扫描计数4,逻辑读取167426,物理读取0,预读取读取0,lob逻辑读取0,lob物理读取0,lob预读取读取0. CPU时间= 342 ms,经过时间= 233 ms.

循环结果并以较小批量更新:

declare @rowcount int = 1;
declare @batch_size int = 1000;

while @rowcount > 0 
begin
    update top(@batch_size) t set t.status_val = 'already updated'
    from (
        select *, row_number() over(partition by object_id order by (select null)) row_num  
        from foo
        where status_val <> 'already updated' 
    ) t 
    where row_num > 1 
    set @rowcount = @@rowcount;
end

如果其他并发会话尝试访问此表,这将有助于保持锁定.