java - 为 SQL 数据中的重复值分配标识符

Question

我有一个表，它有两个属性 id 和 string。现在在我的数据中，大多数字符串都具有重复值，并且大多数字符串也共享相同的值，但它们的顺序并不相同，如下表所示:

id  | String
144 | gall stones
144 | gallstones
241 | coats tire equipment
241 | tire equipment coats
144 | google
241 | google

现在我想添加第三列，显示集合字符串属于哪个列。像 gall stones 和“gall stones”和“gallstone”属于同一组，因为它们都包含相同的字符串或“coats tire equipment”和“tire equipment coats”属于同一组。简而言之，我想使用 mysql 或 java 或任何简单的方法创建下表。因为我的数据有 350 万条记录。

id  | String               | Set
144 | gall stones          | s1
144 | gallstones           | s1
241 | coats tire equipment | s2
241 | tire equipment coats | s2
144 | google               | s3
241 | google               | s3

Answer 1

我强烈建议将其分成两个单独的表，向它们添加主键和外键。第一个表是这样的:

字符串表

seq_num (pk) | id  | String               | set_seq_num (fk)
1            | 144 | gall stones          | 1
2            | 144 | gallstones           | 1
3            | 241 | coats tire equipment | 2
4            | 241 | tire equipment coats | 2
5            | 144 | google               | 3
6            | 241 | google               | 3

设置表

seq_num (pk) | set_id
1            | s1
2            | s2
3            | s3

我不知道你打算为这些集合存储或引用哪些其他信息，但将它们保存在不同的表中，然后加入一个 sql 来获取数据对我来说似乎是最好的选择

Select string_t.id, string_t.string, set_t.set_id 
from string_table as string_t
inner join set_table as set_t 
on string_table.set_seq_num = set_table.seq_num