sql - 使用 T-SQL Merge 语句时如何避免插入重复记录

Question

我正在尝试使用 T-SQL 的 MERGE 语句插入许多记录，但是当源表中有重复记录时，我的查询无法插入。故障是由以下原因引起的:

目标表有一个基于两列的主键

源表可能包含违反目标表主键约束的重复记录(抛出“违反主键约束”)

我正在寻找一种方法来更改我的 MERGE 语句，以便它忽略源表中的重复记录和/或尝试/捕获 INSERT 语句以捕获可能发生的异常(即，所有其他 INSERT 语句都将运行而不管可能发生的坏鸡蛋很少) - 或者，也许有更好的方法来解决这个问题？

这是我要解释的查询示例。下面的示例将向临时表添加 100k 条记录，然后尝试将这些记录插入到目标表中 -

编辑
在我原来的帖子中，我只在示例表中包含了两个字段，这些字段让位于 SO friend 提供 DISTINCT 解决方案以避免 MERGE 语句中的重复。我应该提到，在我的实际问题中，表有 15 个字段，在这 15 个字段中，其中两个字段是 CLUSTERED PRIMARY KEY。所以 DISTINCT 关键字不起作用，因为我需要选择所有 15 个字段并忽略基于其中两个字段的重复项。

我已经更新了下面的查询以包含另一个字段 col4。我需要在 MERGE 中包含 col4，但我只需要确保只有 col2 和 col3 是唯一的。

-- Create the source table
CREATE TABLE #tmp (
col2 datetime NOT NULL,
col3 int NOT NULL,
col4 int
)
GO

-- Add a bunch of test data to the source table
-- For testing purposes, allow duplicate records to be added to this table
DECLARE @loopCount int = 100000
DECLARE @loopCounter int = 0
DECLARE @randDateOffset int
DECLARE @col2 datetime
DECLARE @col3 int
DECLARE @col4 int

WHILE (@loopCounter) < @loopCount
BEGIN
    SET @randDateOffset = RAND() * 100000
    SET @col2 = DATEADD(MI,@randDateOffset,GETDATE())
    SET @col3 = RAND() * 1000
    SET @col4 = RAND() * 10
    INSERT INTO #tmp
    (col2,col3,col4)
    VALUES
    (@col2,@col3,@col4);

    SET @loopCounter = @loopCounter + 1
END

-- Insert the source data into the target table
-- How do we make sure we don't attempt to INSERT a duplicate record? Or how can we 
-- catch exceptions? Or?
MERGE INTO dbo.tbl1 AS tbl
    USING (SELECT * FROM #tmp) AS src
    ON (tbl.col2 = src.col2 AND tbl.col3 = src.col3)
    WHEN NOT MATCHED THEN 
        INSERT (col2,col3,col4)
        VALUES (src.col2,src.col3,src.col4);
GO

Answer 1

您可以使用分析函数代替 GROUP BY，从而允许您在要合并的重复记录集中选择特定记录。

MERGE INTO dbo.tbl1 AS tbl
USING (
    SELECT *
    FROM (
        SELECT *, ROW_NUMBER() OVER (PARTITION BY col2, col3 ORDER BY ModifiedDate DESC) AS Rn
        FROM #tmp
    ) t
    WHERE Rn = 1    --choose the most recently modified record
) AS src
ON (tbl.col2 = src.col2 AND tbl.col3 = src.col3)