推荐的合并数据库记录的技术

Question

我在一个系统上工作，在这个系统中，数据库记录是根据输入数据流定期创建的。偶尔会出现一些输入，这些输入提供了两个独立创建的记录应该合并为一个记录的证据。我正在寻找关于如何在数据库中实现合并的建议。

主表(这里只是一个设计)包含由唯一ID (称为主ID，它由数据库分配，在我的系统中是MySQL )和一些数据字段组成的记录。还有一些其他表使用主ID将其记录链接到主表中的记录。

MainTable:
int   mainID
blob  data
...

OtherTable:
int   otherID
int   mainID
blob  otherData
...

现在，如果每个记录从未共享给任何外部进程或系统，那么以某种方式将一条记录中的数据字段混合到另一条记录中，并删除该记录的记录是很简单的。将其他表中的主ID字段更新为我们保留的主ID值也很简单(如果繁琐和/或效率低下)。

当每条记录的ID在系统外共享时，事情就变得复杂起来。在这种情况下，我认为使用这些删除的ID进行查询完全失败是不合理的，尽管我可能会被说服。

我正在考虑的一个想法是引入一个具有两个关键字段的合并表:和原始的主ID和当前的主ID。其目的是将一个主ID作为另一个主ID的别名。在创建每个主表记录时，我们向合并表添加一条记录，将新创建的主表记录的主ID映射到其自身。如果发生合并，我们只需使用要合并的主记录的原始主ID来更新合并表中记录的当前主ID字段。然后，对于每个基于主ID的查询，我们通过合并表映射该ID，以找到我们真正应该使用的有效主ID。

MergeTable:
int   mergeID
int   originalMainID
int   currentMainID

这是一种好的技术吗？在SQL查询中可以无缝地完成映射吗？有没有我应该考虑的标准或更好的技术呢？

在对这个主题进行研究时，我发现令人惊讶的是，很少有这样的例子。This question很接近，但合并场景与我的不同，至少在我看来是这样。我对数据库略知一二，但我绝对不是专家，所以我可能不知道要搜索的正确术语。

Answer 1

我喜欢您的设计思想，但请考虑在合并表中只存储替换的记录，而不是所有记录。在给定以下查询的情况下，这将减少存储空间并提高速度：

SELECT *
  FROM MainTable
  WHERE mainID = 1
UNION ALL
SELECT MainTable.*
  FROM MergeTable
  INNER JOIN MainTable
    ON MainTable.mainID = MergeTable.currentMainID
  WHERE MergeTable.originalMainID = 1
LIMIT 1

其思想是，在大多数情况下，第一个查询将成功并返回结果，而MySQL将中止第二个查询，因为达到了限制。如果第一个查询没有返回任何结果，那么它将继续执行第二个查询，并在合并表上执行连接，以查看它是否已被合并。

根据MySQL的说法，关于限制：

只要MySQL向客户端发送了所需的行数，它就会中止查询，除非您使用的是SQL_CALC_FOUND_ROWS。

如果合并的记录是例外，而不是规则，那么这将保存许多连接。

如果UNION查询太可怕，您也可以使用两个查询来完成此操作。您可以简单地检查记录是否存在，如果不存在，则检查合并表。