MySQL中合并重复行关联引用并清理重复分类数据的实现方案问询

嘿，我完全懂你现在的处境——作为MySQL新手，碰到这种要兼顾数据关联的清理工作确实头大，手动改既费时间又容易出错。针对你的MySQL 5.7.21版本，我整理了一套可以定期执行的SQL脚本，分三步完成，既能保证数据关联不失效，又能清理掉重复的分类记录：

第一步：先确定每个分类标题对应的保留ID #

首先我们需要找出每个cat_title对应的第一条记录的cat_id（也就是你要保留的那条），可以用下面的查询先确认结果是否符合预期：

SELECT cat_title, MIN(cat_id) AS keep_cat_id
FROM categories
GROUP BY cat_title;

这个查询会返回每个分类标题对应的最小cat_id（也就是最早创建的那条记录的ID），对应你示例里的green对应1、red对应2，完全符合你的需求。

第二步：更新tagging表，修正关联的分类ID #

接下来我们要把tagging表中所有指向重复分类ID的记录，更新为对应的保留ID。这里提供两种写法，适配不同场景：

写法一（用窗口函数，MySQL 5.7+支持） #

UPDATE tagging t
JOIN (
    SELECT cat_id, MIN(cat_id) OVER (PARTITION BY cat_title) AS keep_cat_id
    FROM categories
) c ON t.tagging_cat_id = c.cat_id
SET t.tagging_cat_id = c.keep_cat_id
WHERE t.tagging_cat_id != c.keep_cat_id;

写法二（用子查询关联，兼容性更强） #

UPDATE tagging t
JOIN categories c1 ON t.tagging_cat_id = c1.cat_id
JOIN (
    SELECT cat_title, MIN(cat_id) AS keep_cat_id
    FROM categories
    GROUP BY cat_title
) c2 ON c1.cat_title = c2.cat_title
SET t.tagging_cat_id = c2.keep_cat_id
WHERE t.tagging_cat_id != c2.keep_cat_id;

执行完这个更新后，你可以查询tagging表确认所有关联的ID都已经指向了要保留的分类记录，和你期望的结果一致。

第三步：删除categories表中的重复记录 #

现在关联数据已经修正完毕，就可以安全删除重复的分类记录了：

DELETE c1
FROM categories c1
JOIN (
    SELECT cat_title, MIN(cat_id) AS keep_cat_id
    FROM categories
    GROUP BY cat_title
) c2 ON c1.cat_title = c2.cat_title
WHERE c1.cat_id != c2.keep_cat_id;

这条语句会删除所有cat_id不等于对应分类标题保留ID的记录，只留下每个分类的第一条记录。

重要注意事项 #

• 执行前一定要备份数据：不管操作看起来多简单，先备份categories和tagging表，避免出错无法恢复。
• 添加唯一约束防止后续重复：等你清理完数据后，记得给categories表的cat_title字段添加唯一约束，从根源上防止重复数据产生：

  ALTER TABLE categories ADD UNIQUE INDEX idx_unique_cat_title (cat_title);
  

• 定期执行脚本：在你找到重复数据产生的根源之前，可以把这三步SQL做成定时任务（比如用MySQL事件或者系统的定时任务工具）定期运行，保持数据干净。

验证示例 #

用你提供的示例数据测试的话，执行完上述步骤后：

• Categories表会只剩下cat_id为1、2、3、7的记录
• Tagging表中所有指向4、5、6的tagging_cat_id都会被更新为1、1、2，和你期望的结果完全一致

内容的提问来源于stack exchange，提问作者biscuitstack