❗️ Как найти дубли и оставить последнюю запись Одна из самых частых задач аналитика, это получить одну актуальную (последнюю) запись на каждый объект. Например, в таблице по одному клиенту хранится несколько состояний: создан/проверен/одобрен/заблокирован. Формально client_id повторяется. Но это не обязательно ошибка - таблица может хранить историю изменений (см. пикчу) Давайте, разберем, как выполнить эту задачу (на примере постгре) ❗️ Сначала найдём повторяющиеся ключи SELECT client_id, COUNT(*) AS cnt FROM client_status GROUP BY client_id HAVING COUNT(*) > 1; Такой запрос покажет клиентов, у которых больше одной записи. Он не обязателен, а выполянется скорее для диагностики, чтобы понять у каких client_id вообще есть несколько строк и сколько таких случаев. Но если нам нужно актуальное состояние клиента, просто удалить повторные строки нельзя. Нужно определить, какая запись считается последней. ❗️ Выбираем последнюю запись через ROW_NUMBER() WITH ranked AS ( SELECT client_id, status, updated_at, id, ROW_NUMBER() OVER ( PARTITION BY client_id ORDER BY updated_at DESC, id DESC ) AS rn FROM client_status ) SELECT client_id, status, updated_at FROM ranked WHERE rn = 1; Здесь происходит три вещи. ➖ PARTITION BY client_id - Записи нумеруются отдельно для каждого клиента. ➖ ORDER BY updated_at DESC - Самая свежая запись получает первый номер. ➖ WHERE rn = 1 - В результате остаётся только одна актуальная строка на каждого клиента. ❗️ Зачем нужен дополнительный критерий сортировки У двух записей может совпасть updated_at. Если сортировать только по времени, порядок между такими строками будет неоднозначным. Поэтому нужен дополнительный критерий, который делает выбор стабильным. В примере используется id DESC, но в реальной системе лучше опираться на поле, которое действительно отражает порядок изменений: номер версии, последовательность события или другой бизнес-критерий. ❗️ Почему не использовать просто MAX(updated_at) MAX(updated_at) действительно найдёт максимальную дату. Но он не вернёт автоматически status, id и остальные значения именно из нужной строки. А если потом соединять результат обратно с исходной таблицей, одинаковые значения updated_at могут снова вернуть несколько записей. ❗️ И главное правило: Прежде чем удалять дубли, сначала определите бизнес-ключ и смысл повторных записей. Повторяющийся client_id может быть ошибкой данных. А может быть совершенно нормальной историей изменений. #sql #postgresql 📱 Подписаться на канал 💻 Курс автора по SQL DDL