sql - 我怎样才能加快这段代码的速度？

Question

我有很多重复的记录，我正在尝试清除它们，为此，我当前正在运行以下命令:

Survey.active.each do |survey|
  survey.response_sets.completed.each do |set|
    answer_ids = []
    set.responses.each do |r|
      if r.answer.blank?
        r.destroy
      else
        if answer_ids.include? r.answer_id
          r.destroy
        else
          answer_ids << r.answer_id
        end
      end
    end
  end
end

这会查找所有正在进行的调查，获取每个调查的响应集，然后获取每个响应集的单独响应。

然后，它会根据响应集中是否存在另一个响应的 answer_id 来查看响应是否重复。在给定的响应集中，给定的 answer_id 只能有一个响应。因此，如果有重复项，它会销毁重复项。

超过几十万行，速度非常慢。

那么，我怎样才能加快这个过程呢？

以下是每个的 SQL 调用:

Survey.active
SELECT "surveys".* FROM "surveys" WHERE "surveys"."active" = 't'

survey.response_sets.completed
SELECT "response_sets".* FROM "response_sets" WHERE ("response_sets".survey_id = 12345) AND (completed_at IS NOT NULL)

set.responses
SELECT "responses".* FROM "responses" WHERE ("responses".response_set_id = 54321)

我正在运行 Rails 3.0.6 和 PostgreSQL。

Answer 1

我认为你可能从错误的角度攻击这个问题。首先，您就不应该允许不良数据进入数据库。我无法真正看到您的数据库模型是什么样子，但模型中的某些验证可能会阻止您像这样清理数据库。在 Rails 中加载非常大的数据集是一件痛苦的事情，而且速度非常慢并且占用内存。

# maybe something like this?
class Responses < ActiveRecord::Base
  validates_uniqueness_of :answer_id, :scope => :id
end

批量提示(已添加)

Activerecord 不能很好地处理大型结果集。如果您有 will_paginate 或类似的东西，您可以轻松地循环遍历完整的数据集。

(1..Survey.total_pages).each do |p|
   Survey.paginate(:page => p, :per_page => 30).each do |survey|
     # your loop but with less memory overhead