[Erledigt] SELECT DISTINCT und JOIN - Redundanzen verringern

[Jelly]

Zitat:

Zitat von Jürgen Thomas

die ID ist ja eindeutig, und die will ich behalten.

und

Zitat:

Zitat von Jürgen Thomas

Code:

  STR_ID  STR_NR   STATUS  NAME_SORT        NAME46             NAME22
---------------------------------------------------------------------
     837     1     S       AGASTR           Agastr.            Agastr.
     838     1     G       AGATHAGASSE      Agathagasse        Agathagasse
     839     1     G       AGATHAPLATZ      Agathaplatz        Agathaplatz
     840     1     S       AGATHARIEDERSTR  Agatharider Str.   Agatharider Str.
     840     1     G       AGATHARIEDERSTR  Agatharieder Str.  Agatharieder Str.
     841     1     G       AGATHASTR        Agathastr.         Agathastr.
     841     2     G       AGATHASTR        Agathastr.         Agathastr.
     841     3     G       AGATHASTR        Agathastr.         Agathastr.
     841     4     G       AGATHASTR        Agathastr.         Agathastr.
     841     5     G       AGATHASTR        Agathastr.         Agathastr.
     841     6     G       AGATHASTR        Agathastr.         Agathastr.
     842     1     G       AGATHAWEG        Agathaweg          Agathaweg
     843     1     G       AGATHELASCHWEG   Agathe-Lasch-Weg   Agathe-Lasch-Weg

widerspricht sich. Ich erkenne da keine eindeutige ID, sondern eher sowas, dass es für eine ID (z.B. 840) unterschiedliche Schreibweisen für die Strassennamen gibt. Es handelt sich aber wohl um ein und die gleiche Strasse.

Und wenn ich dein nun endlich richtig verstanden hab, willst du für jede ID (837-843) jeweils einen einzigen Datensatz in deine Zieltabelle schreiben. Welcher, scheint dir egal zu sein... Da wird dir also nix anderes übrig bleiben, als DS für DS zu durchlaufen, sortiert nach ID, und sobald du eine neue ID erhälst, schreibst du den DS in deine Zieltabelle. Anders wird das wohl nicht klappen.

[Jürgen Thomas]

Zitat:

Zitat von mkinzler

Vielleicht sollte man auch mal das Schema richtigstellen. Welche Bedeutung ahben die verchiedenen Namen?

Die Datenstruktur ist von der Post vorgegeben. Die Quelldatei ist eine Textdatei (feste Feld- und Satzlängen) mit 150 MB. Ich will sie in mehrere Tabellen in einer "richtigen" Datenbank übernehmen.

• Str_ID ist die bundesweit eindeutige laufende Nummer zu einem Straßennamen.
• Str_Nr ist die laufende Nummer für alle Straßen mit gleichem Namen.
• Name_Sort ist die eindeutige, sortierbare Bezeichnung.
• Name46 ist die "lange", normale Schreibweise mit max. 46 Zeichen.
• Name22 ist eine Verkürzung mit max. 22 Zeichen für den Fall, dass ein Adressenfeld nicht lang genug ist.
• Status = 'G' sind gültige Straßennamen. Andere Werte 'W', 'S', '1' usw. verweisen darauf, dass der Straßenname in diesem Ort korrigiert oder geändert wurde.

Zitat:

Was bezweckst du mit der Abfrage (zu was die 2. Tabelle)?

Redundanzen vermeiden, vor allem wegen der drei Schreibweisen: Die Königsberger Straße gibt es 172x, eine Friedrich-Ebert-Str. 188x und eine Gartenstraße 285x.

Da ich (anders als die Post-Textdatei) mit einer relationalen DB arbeite, brauche ich sowieso getrennte Nachschlagetabellen mit einem PrimaryKey. Da bietet sich eine Tabelle "Straßennamen" an. Jürgen

@Jelly
Das, was Du zitiert hast, ist die Quelltabelle. "... jeweils einen einzigen Datensatz in deine Zieltabelle schreiben. Welcher, scheint dir egal zu sein..." Nicht ganz egal (ich bevorzuge Status 'G'), aber fast.

[mkinzler]

Dann hol dir jeweils den 1. Datensatz mit der selben ID.

SQL-Code:

select STR_ID, MIN( name1), MIN(Name2), MIN(Name3) from Tabelle ORDER BY STR_ID;

[Jürgen Thomas]

Zitat:

Zitat von mkinzler

Dann hol dir jeweils den 1. Datensatz mit der selben ID.

SQL-Code:

select STR_ID, MIN( name1), MIN(Name2), MIN(Name3) from Tabelle ORDER BY STR_ID;

Das scheint das einfachste Verfahren zu sein.

Kann ich da noch den Status einbauen? Mir ist gerade die Idee gekommen, dass ich den Status 'G' durch '0' ersetzen könnte; dann wäre bei "Order By Str_ID, Status" der jeweils erste Treffer derjenige, den ich in die Zieltabelle nehmen möchte. Aber mir fehlt noch eine Idee, wie ich das mit "FIRST 1" kombinieren könnte. (Ich vermute, dass ein doppeltes SELECT mit SELF-JOIN zu meinen Problemen geführt hat.) Jürgen

[Jelly]

Oder eventuell so:

SQL-Code:

select StrId, Status, Name_Sort, Name46, Name22
from Tabelle
where StrNr = 1

[mkinzler]

Welchen Status willst du?

[Jürgen Thomas]

Zitat:

Zitat von mkinzler

Welchen Status willst du?

Siehe Quelltabelle in #9. Vorzugsweise 'G' (= gültig), aber den gibt es nicht bei allen Namen (in meinem Beispiel bei ID=837). Stattdessen kann ich, wie gesagt, auch '0' benutzen. Jürgen

[Jürgen Thomas]

Danke an Jelly und mkinzler,

aufbauend auf Euren Hinweisen habe ich es geschafft und dabei sogar den Status eingebaut. Die entscheidenden Ideen waren, MIN() zu verwenden mit passender Sortierung. Zusätzlich werden GROUP BY und ORDER BY sowie weiterhin DISTINCT benötigt. So sieht jetzt mein Code aus:

SQL-Code:

INSERT INTO STR_Namen
            ( ID, Aendg_per, 
              Name_Sort, Name_lang, Name_kurz )
       SELECT DISTINCT str_id,
              max(Geltung),
              min(Name_sort),
              SUBSTR(min(Status || Name46), 2,50),
              SUBSTR(min(Status || Name22), 2,50)
         FROM Quelle_Post_St
         GROUP BY Str_id, Name_sort
         ORDER BY Str_id, Name_sort

Alle Informationen werden so übernommen wie gewünscht; der bevorzugte Status 'G' musste vorher durch '0' (Null) ersetzt werden. Meine Idee dabei ist, dass der Status vor die (variablen) Namen gesetzt wird, dann der Minimalwert übernommen und vor dem Speichern wieder entfernt wird.

Das Ganze läuft auch in akzeptabler Geschwindigkeit von weniger als zwei Minuten (nicht gemessen, nur gefühlt - bei 512 MB RAM).

Danke für Eure Hilfe! Jürgen