PostgreSql 按限制分组删除

Question

我有一个带列的 postgresql 表；

id

(int8)

user_id

（可变字符）

is_favorite

（布尔值）

join_time

（时间戳）

我想在某些条件下删除此表中的某些行。

条件：

1. 每个user_id,

   必须有最多

   10
行
2. 这 10 行必须包含每个

   user_id

   的带有

   is_favorite=true

   的行（已经有一个约束，即

   is_favorite=true

   必须是每个

   user_id

   最多 5 行并且

   is_favorite=true

   可以小于 5），
3. 剩下的10行必须是最接近的日期

   join_time

   .

我想删除具有上述条件的表中每个 user_id 超过 10 行的行。这在 PostgreSql 中可能吗？

例如下表；

for

user_id = 655caab8-ce81-11ed-afa1-0242ac120002

-> 11,12,13,14.rows must be deleted.

for

user_id = 81c126b6-ce81-11ed-afa1-0242ac120002

-> 25,26.rows must be deleted.

id|user_id                             |is_favorite|join_time                    
------------------------------------+------------------------------------+-------
1 |655caab8-ce81-11ed-afa1-0242ac120002|true       |2023-03-04 15:16:40.000 +0300
2 |655caab8-ce81-11ed-afa1-0242ac120002|true       |2023-03-03 15:16:25.000 +0300
3 |655caab8-ce81-11ed-afa1-0242ac120002|true       |2023-03-02 15:16:40.000 +0300
4 |655caab8-ce81-11ed-afa1-0242ac120002|false      |2023-04-22 15:16:40.000 +0300
5 |655caab8-ce81-11ed-afa1-0242ac120002|false      |2023-03-23 15:16:25.000 +0300
6 |655caab8-ce81-11ed-afa1-0242ac120002|false      |2023-03-21 15:16:25.000 +0300
7 |655caab8-ce81-11ed-afa1-0242ac120002|false      |2023-03-20 15:16:40.000 +0300
8 |655caab8-ce81-11ed-afa1-0242ac120002|false      |2023-03-19 15:16:25.000 +0300
9 |655caab8-ce81-11ed-afa1-0242ac120002|false      |2023-03-18 15:16:40.000 +0300
10|655caab8-ce81-11ed-afa1-0242ac120002|false      |2023-03-17 15:16:25.000 +0300
11|655caab8-ce81-11ed-afa1-0242ac120002|false      |2023-03-16 15:16:40.000 +0300
12|655caab8-ce81-11ed-afa1-0242ac120002|false      |2023-03-15 15:16:25.000 +0300
13|655caab8-ce81-11ed-afa1-0242ac120002|false      |2023-03-14 15:16:40.000 +0300
14|655caab8-ce81-11ed-afa1-0242ac120002|false      |2023-03-14 15:16:39.000 +0300
15|81c126b6-ce81-11ed-afa1-0242ac120002|true       |2023-03-01 12:16:25.000 +0300
16|81c126b6-ce81-11ed-afa1-0242ac120002|true       |2023-03-01 11:16:25.000 +0300
17|81c126b6-ce81-11ed-afa1-0242ac120002|true       |2023-03-01 10:16:25.000 +0300
18|81c126b6-ce81-11ed-afa1-0242ac120002|true       |2023-03-01 09:16:25.000 +0300
19|81c126b6-ce81-11ed-afa1-0242ac120002|true       |2023-03-01 08:16:25.000 +0300
20|81c126b6-ce81-11ed-afa1-0242ac120002|false      |2023-03-01 07:16:25.000 +0300
21|81c126b6-ce81-11ed-afa1-0242ac120002|false      |2023-03-01 06:16:25.000 +0300
22|81c126b6-ce81-11ed-afa1-0242ac120002|false      |2023-03-01 05:16:25.000 +0300
23|81c126b6-ce81-11ed-afa1-0242ac120002|false      |2023-03-01 04:16:25.000 +0300
24|81c126b6-ce81-11ed-afa1-0242ac120002|false      |2023-03-01 03:16:25.000 +0300
25|81c126b6-ce81-11ed-afa1-0242ac120002|false      |2023-03-01 02:16:25.000 +0300
26|81c126b6-ce81-11ed-afa1-0242ac120002|false      |2023-03-01 01:16:25.000 +0300

Answer 1

由于您正在处理整个表，因此使用带有

row_number()

的简单子查询应该是最快的：

DELETE FROM tbl t
USING (
   SELECT id, row_number() OVER (PARTITION BY user_id
                                 ORDER BY is_favorite DESC, join_time DESC
                                 ROWS UNBOUNDED PRECEDING) AS rn
   FROM   tbl t
   ) del
WHERE  t.id = del.id
AND    del.rn > 10;

添加

ROWS UNBOUNDED PRECEDING

是可选的，但应该会大大加快速度（直到 Postgres 16 发布）。参见：

• 将选定的时间序列高效下采样到等距样本

应用正确的排序顺序，这将跳过每个用户最想要的前 10 行并删除其余行。

true

按降序排列在

false

之前。参见：

• PostgreSQL：按列排序，具有特定的 NON-NULL 值 LAST

如果能有

null

值，就需要做更多。比如，首先澄清你的问题。

显然，并发写入会出现竞争条件。如果可以并发写入负载，先在同一个事务中对表进行写入锁定...

如果这要删除大部分行，那么创建一个新的幸存者表可能会更便宜......

还有其他方法。喜欢：

• 有没有办法 SELECT n ON（像 DISTINCT ON，但每个都不止一个）