SQL - 按最新的方式合并重复的行

Question

我有一个包含这些表的大型SQL数据库，例如：

first_name | last_name | email             | country | created_at
-----------------------------------------------------------------
      john | DOE       | [email protected] | USA     | 2016-05-01
      john | DOE       | [email protected] | FRANCE  | 2019-05-03
       doe | John      | [email protected] | CANADA  | 2011-08-23

之前的数据库是在没有唯一电子邮件的情况下构建的（是的，它很可怕）。因此，我需要将用户与相同的电子邮件合并，但不同的数据与最新的记录合并。

然后通过删除旧数据库来更新数据库并保留最新数据库。

对不起，如果不清楚..

Answer 1

像这样的东西？

delete t
    where t.created_at < (select max(t2. created_at)
                          from t t2
                          where t2.email = t.email
                         );

Answer 2

使用EXISTS：

delete tablename t
where exists (
  select 1 from tablename where email = t.email and created_at > t.created_at
)

EXISTS将在找到1行时使用相同的电子邮件和日期大于当前行返回TRUE，因此不需要扫描每一行的整个表。

Answer 3

你提到这是一个大数据库。然后，我建议您在运行脚本之前在@forpas或@Gordon Linoff上添加索引，因为这些脚本在处理数百万行时可能需要很长时间才能完成。

可以像这样创建索引：

CREATE INDEX tablename_index ON tablename (email, created_at);

然后，如果您不再需要索引，可以将其删除如下：

DROP INDEX tablename_index ON tablename;