具有重复值的 SQLite 列
Sqlite column with repetitive values
假设 SQLite 数据库的列 a
非常重复,总是有相同的 4 个值。其他值可能会稍后出现,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()
这里的数据库对于一百万个项目来说是 24 MB,即平均 24 字节。
多次重新存储所有字符串有点遗憾,因为它总是相同的值一次又一次。当然,解决方案是对重复值使用 ID = 0、1、2、3(最多 1000),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()
收获:DB只有9MB,平均每行9个字节,好多了。
但缺点是我们必须手动执行此操作:
- 维护另一个tableID和字符串的对应关系,
- 检测何时出现新值(以前从未见过),给它一个新 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,我们可能想要做一些清理并从这一秒中删除它的 ID table
- 等等
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自动做所有事情?即设置一种模式,在这种模式下,SQLite 将在内部尽最大努力删除列中的重复数据,例如通过对该列使用 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?)
这个问题与 非常相似,但它还讨论了更深层次的问题 - 自动清理未使用的实体。
Is there a way to let SQLite do everything automatically? ... (without having to maintain anything ourselves)
没有。您基本上想要在基础 table 中插入行并引用 table(如果它尚不存在),同时按值而不是其 surrogate key 指定引用。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
- Writable(更新table)浏览量
INSTEAD OF
触发浏览量
从上面的列表来看,SQLite 只支持 INSTEAD OF
触发器。以下是它如何适用于您的用例(我从问题下的评论中提到的 db<>fiddle 中采用了 table 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'),
('random3'),
('random4');
INSERT
语句产生了 table words
的内容:
id
value
1
random1
2
random2
3
random3
4
random4
和data_view
:
id
value
1
random1
2
random2
3
random3
4
random1
5
random3
6
random4
要支持从 data
中删除行并自动清除 words
中未使用的值,您可以在 data_view
上添加 INSTEAD OF DELETE
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 table data
中的一行,第二个语句删除 words
中引用的值,如果它没有被 [=91= 中的其他行引用的话] data
。与 INSERT
类似,您可以通过 data_view
:
间接从 table data
中删除行
-- delete one 'random2' and 'random4' value data
DELETE FROM data_view WHERE id IN (2, 4);
这导致 words
:
id
value
1
random1
3
random3
4
random4
如您所见,删除了 'random2'
值,因为它在 data
中仅被引用了一次,并且保留了 'random4'
值,因为在 [=] 中还有另一个引用91=] data
(data_view
):
id
value
1
random1
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,这是一个稍微修改过的版本和现成的 运行 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")))
少量修改(结果相同:数据库大小仅为 9 MB)
这里 table words
没有索引,只有 value
的 UNIQUE
关键字,确保 INSERT OR IGNORE INTO
落入 IGNORE
如果该值已经存在
没有使用外键
相同的想法,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 = ?));", (v,))
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,))))
假设 SQLite 数据库的列 a
非常重复,总是有相同的 4 个值。其他值可能会稍后出现,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()
这里的数据库对于一百万个项目来说是 24 MB,即平均 24 字节。
多次重新存储所有字符串有点遗憾,因为它总是相同的值一次又一次。当然,解决方案是对重复值使用 ID = 0、1、2、3(最多 1000),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()
收获:DB只有9MB,平均每行9个字节,好多了。
但缺点是我们必须手动执行此操作:
- 维护另一个tableID和字符串的对应关系,
- 检测何时出现新值(以前从未见过),给它一个新 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,我们可能想要做一些清理并从这一秒中删除它的 ID table
- 等等
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自动做所有事情?即设置一种模式,在这种模式下,SQLite 将在内部尽最大努力删除列中的重复数据,例如通过对该列使用 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?)
这个问题与
Is there a way to let SQLite do everything automatically? ... (without having to maintain anything ourselves)
没有。您基本上想要在基础 table 中插入行并引用 table(如果它尚不存在),同时按值而不是其 surrogate key 指定引用。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
- Writable(更新table)浏览量
INSTEAD OF
触发浏览量
从上面的列表来看,SQLite 只支持 INSTEAD OF
触发器。以下是它如何适用于您的用例(我从问题下的评论中提到的 db<>fiddle 中采用了 table 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'),
('random3'),
('random4');
INSERT
语句产生了 table words
的内容:
id | value |
---|---|
1 | random1 |
2 | random2 |
3 | random3 |
4 | random4 |
和data_view
:
id | value |
---|---|
1 | random1 |
2 | random2 |
3 | random3 |
4 | random1 |
5 | random3 |
6 | random4 |
要支持从 data
中删除行并自动清除 words
中未使用的值,您可以在 data_view
上添加 INSTEAD OF DELETE
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 table data
中的一行,第二个语句删除 words
中引用的值,如果它没有被 [=91= 中的其他行引用的话] data
。与 INSERT
类似,您可以通过 data_view
:
data
中删除行
-- delete one 'random2' and 'random4' value data
DELETE FROM data_view WHERE id IN (2, 4);
这导致 words
:
id | value |
---|---|
1 | random1 |
3 | random3 |
4 | random4 |
如您所见,删除了 'random2'
值,因为它在 data
中仅被引用了一次,并且保留了 'random4'
值,因为在 [=] 中还有另一个引用91=] data
(data_view
):
id | value |
---|---|
1 | random1 |
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,这是一个稍微修改过的版本和现成的 运行 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")))
少量修改(结果相同:数据库大小仅为 9 MB)
这里 table
words
没有索引,只有value
的UNIQUE
关键字,确保INSERT OR IGNORE INTO
落入IGNORE
如果该值已经存在没有使用外键
相同的想法,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 = ?));", (v,))
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,))))