Deduplicaton /在Couchdb中的匹配？

Question

我在couchdb中有文档。该模式看起来象下面这样：

userId 
email 
personal_blog_url 
telephone 

我假定两个用户实际上是相同的人，只要他们有

• 电子邮件或
• personal_blog_url或
• 电话

相同。

我有3次创造，基本上电子邮件/ BLOG_URL /电话映射到用户id，然后在同一项下结合的userIds成团，例如，

_view/by_email: 
---------------------------------- 
key     values  
a_email@gmail.com [123, 345] 
b_email@gmail.com [23, 45, 333] 

_view/by_blog_url: 
---------------------------------- 
key     values  
http://myblog.com [23, 45] 
http://mysite.com/ss [2, 123, 345] 

_view/by_telephone: 
---------------------------------- 
key     values  
232-932-9088   [2, 123] 
000-111-9999   [45, 1234] 
999-999-0000   [1] 

我的问题：

• 如何将3个不同视图的结果合并到不包含重复项的最终用户表/视图中？
• 或者是否在couchdb中执行重复数据删除是一种好的做法？
• 或者什么是在沙发上执行重复数据删除的好方法呢？

PS。在最后的观点中，假设所有愚蠢的，我们只保留最小的userId。

谢谢。

Answer 1

好问题。也许你可以听_changes并在你建议的视图中搜索你想要为真实用户所独有的字段（by_*）。

• 合并的视图成一个（在一个地图发射不同字段）：

  功能（DOC）{ 如果（!!! doc.email || || doc.personal_blog_url doc.telephone）返回; emit（[1，doc.email]，[doc._id]）; emit（[2，doc.personal_blog_url]，[doc._id]）; emit（[3，doc.telephone]，[doc._id]）; }

• 合并的ID名单中减少

• 当在变化新文件养活到达时，你可以用keys=[[1, email], [2, personal_blog_url], ...]查询视图和合并三个列表。如果其最小id小于更改的文档，请更新realId，否则使用更改的ID更新列表中的文档。

我建议使用不同的文档来存储{ userId, realId }关系。

Answer 2

您不能只使用一个视图中创建新文档。您需要执行某种任务才能进行实际合并。

这里有一个想法。

而不是创造3次，你可以创建一个视图（即索引数据，如果它存在）：

Key        Values 
---        ------ 
[userId, 'phone']    777-555-1212 
[userId, 'email']    username@example.com 
[userId, 'url']     favorite.url.example.com 

我不会别的存储除了原始值，因为你最终有很多不必要的数据重复（例如，如果您存储了完整的对象）。

然后，进行查询，你可以这样做：

...startkey=[userId]&endkey=[userId,{}] 

这会给你所有的重复信息为一系列文档为用户ID的。你仍然需要解析它，看看是否有重复。但是，这样，结果将很好地合并到单个CouchDB调用中。

Here's使用数组作为在计算器上按键的一个很好的例子。

，如果它有不是去重过程的一部分，其他的数据你会仍可能加载原来的“用户”文件。

一旦发现，你可以考虑在飞行清理数据，并防止新的重复项新的数据输入到您的应用程序中发生。