如何解决具有重复值的 Sqlite 列
假设 SQLite 数据库的 a
列非常重复,始终具有相同的 4 个值。其他值可能会在稍后出现,但不会有 1000 个不同的值。
VALUES = ["hello world","it's a shame to store this str many times","bye bye","abc"]
import sqlite3,random
db = sqlite3.connect('repetitive1.db')
db.execute("CREATE TABLE IF NOT EXISTS data(id INTEGER PRIMARY KEY,a TEXT);")
for i in range(1000 * 1000):
db.execute("INSERT INTO data (a) VALUES (?)",(random.choice(VALUES),))
db.commit()
对于一百万个项目,这里的数据库大小为 24 MB,即平均 24 个字节。
多次重新存储所有字符串有点遗憾,因为它总是一次又一次地相同的值。当然,一个解决方案是使用 ID = 0,1,2,3(以后最多 1000 个)作为重复值,并且只存储整数 ID:
db = sqlite3.connect('repetitive2.db')
db.execute("CREATE TABLE IF NOT EXISTS data(id INTEGER PRIMARY KEY,a INT);")
for i in range(1000*1000):
db.execute("INSERT INTO data (a) VALUES (?)",(random.randint(0,3),))
db.commit()
增益:数据库只有 9 MB,即平均每行 9 个字节,这要好得多。
但缺点是我们必须手动执行此操作:
- 维护另一个表,其中包含 ID 和字符串之间的对应关系,
- 检测何时出现新值(以前从未见过),为其提供新 ID 等。
- 如果行被删除并且最后一个字符串不再出现在任何地方,我们可能需要做一些清理并从第二个表中删除它的 ID
- 等
这是可能的,而且不是很困难,但多年来我注意到 SQLite 通常对类似的事情有巧妙的优化/好的技巧。
问题:有没有办法让 SQLite 自动完成所有工作?即设置一种模式,在该模式下,SQLite 将在内部尽最大努力对列中的数据进行重复数据删除,例如通过为此列使用 ID 而不是一次又一次地存储相同的字符串? (无需自己维护任何东西?)
解决方法
问题与 Add data to many-to-many relation with one SQL command 非常相似,但它还讨论了更进一步的方面 - 自动清理未使用的实体。
有没有办法让 SQLite 自动做所有事情? ...(无需自己维护任何东西)
没有。您基本上希望在基表和引用表中插入行(如果尚不存在),同时按值指定引用而不是其 surrogate key。事实上,这在其他 RDBMS 中也不是一项简单的任务。其中一些支持:
- 存储过程
- Multitable inserts
- OUTPUT clause
- RETURNING clause
- 可写(可更新)视图
-
INSTEAD OF
在视图上触发
从上面的列表中,SQLite 只支持 INSTEAD OF
触发器。以下是它如何适用于您的用例(我采用了问题下评论中提到的 dbfiddle 中的表 words
,并将其列 a
重命名为 value
):
PRAGMA foreign_keys = ON;
CREATE TABLE words(
id INTEGER PRIMARY KEY,value TEXT
);
CREATE UNIQUE INDEX unique_words_value ON words(value);
CREATE TABLE data(
id INTEGER PRIMARY KEY,word_id INTEGER NOT NULL,FOREIGN KEY (word_id) REFERENCES words(id)
);
CREATE VIEW data_view AS
SELECT d.id,w.value FROM data AS d INNER JOIN words AS w on w.id = d.word_id;
CREATE TRIGGER data_view_insert INSTEAD OF INSERT ON data_view
BEGIN
INSERT OR IGNORE INTO words(value) VALUES (NEW.value);
INSERT OR IGNORE INTO data(word_id) VALUES(
(SELECT id FROM words WHERE value = NEW.value)
);
END;
INSERT INTO data_view (value) VALUES
('random1'),('random2'),('random3'),('random1'),('random4');
INSERT
语句产生了表 words
的内容:
id | 价值 |
---|---|
1 | 随机1 |
2 | random2 |
3 | random3 |
4 | random4 |
和data_view
:
id | 价值 |
---|---|
1 | 随机1 |
2 | random2 |
3 | random3 |
4 | 随机1 |
5 | random3 |
6 | random4 |
要支持从 data
中删除行并自动清理 words
中未使用的值,您可以在 INSTEAD OF DELETE
上添加 data_view
触发器:
CREATE TRIGGER data_view_delete INSTEAD OF DELETE ON data_view
BEGIN
DELETE FROM data
WHERE id = OLD.id;
DELETE FROM words
WHERE value = OLD.value AND NOT EXISTS(SELECT 1 FROM data_view WHERE value = OLD.value);
END;
它的第一个语句删除表 data
中的一行,第二个语句从 words
中删除引用的值,如果它没有被表 data
中的其他行引用。与 INSERT
类似,您可以通过 data
间接删除表 data_view
中的行:
-- delete one 'random2' and 'random4' value data
DELETE FROM data_view WHERE id IN (2,4);
结果是 words
:
id | 价值 |
---|---|
1 | 随机1 |
3 | random3 |
4 | random4 |
如您所见,'random2'
值已被删除,因为它在 data
中仅被引用一次,而 'random4'
值被保留,因为表 {{1} 中还有另一个引用}} (data
):
id | 价值 |
---|---|
1 | 随机1 |
3 | random3 |
5 | random3 |
6 | random4 |
这里有 db<>fiddle 可以玩。
,完全归功于@PeterWolf 的出色回答,这里是一个稍微修改的版本和准备运行的代码:
import sqlite3,random
VALUES = ["hello world","it's a shame to store this str many times","bye bye","abc"]
db = sqlite3.connect('repetitive3.db')
db.executescript("""CREATE TABLE words(id INTEGER PRIMARY KEY,value TEXT UNIQUE);
CREATE TABLE data(id INTEGER PRIMARY KEY,word_id INTEGER NOT NULL);
CREATE VIEW data_view AS SELECT d.id,w.value FROM data AS d INNER JOIN words AS w on w.id = d.word_id;
CREATE TRIGGER data_view_insert INSTEAD OF INSERT ON data_view
BEGIN
INSERT OR IGNORE INTO words(value) VALUES(NEW.value);
INSERT OR IGNORE INTO data(word_id) VALUES((SELECT id FROM words WHERE value = NEW.value));
END;""")
for i in range(1000*1000):
db.execute("INSERT INTO data_view (value) VALUES (?)",(random.choice(VALUES),))
print(list(db.execute("SELECT * FROM words")))
print(list(db.execute("SELECT * FROM data WHERE id BETWEEN 100 AND 105")))
print(list(db.execute("SELECT * FROM data_view WHERE id BETWEEN 100 AND 105")))
小的修改(结果是一样的:只有 9 MB 的数据库大小)
-
这里没有表
words
的索引,只有UNIQUE
的value
关键字,确保INSERT OR IGNORE INTO
落入IGNORE
如果该值已经存在 -
未使用外键
同样的想法,但没有视图:
db.execute('CREATE TABLE words(value TEXT UNIQUE);')
db.execute('CREATE TABLE data(id INTEGER PRIMARY KEY,word_id INTEGER NOT NULL);')
for i in range(1000*1000):
v = random.choice(VALUES)
db.execute("INSERT OR IGNORE INTO words(value) VALUES(?);",(v,))
db.execute("INSERT INTO data(word_id) VALUES ((SELECT rowid FROM words WHERE value = ?));",))
searched_word = 'hello world'
print(list(db.execute("SELECT id,word_id FROM data WHERE id BETWEEN 100 AND 120 AND word_id = (SELECT rowid FROM words WHERE value = ?)",(searched_word,))))
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。