Parcours des tables et remplacement des ID résultant des doublons dans la table des dimensions

Question

J'ai une table des utilisateurs de dimension qui contient malheureusement un grand nombre d'enregistrements en double. Voir la capture d'écran.

J'ai des milliers d'utilisateurs et 5 tableaux référençant les doublons. Je veux supprimer les enregistrements avec "mauvais" UserID s. Je veux passer par les 5 dépendances et mettre à jour le mauvais UserId avec "bon" (encerclé en rouge).

Quelle serait une bonne approche à cela?

Voici ce que je l'ai fait pour obtenir la capture d'écran ci-dessus ...

SELECT UserID 
    ,userIds.FirstName 
    ,userIds.LastName 
    ,dupTable.Email 
    ,dupTable.Username 
    ,dupTable.DupCount 
FROM dbo.DimUsers AS userIds 
LEFT OUTER JOIN 
    (SELECT FirstName 
     ,LastName 
     ,Email 
     ,UserName 
     ,DupCount 
    FROM 
     (SELECT FirstName 
      ,LastName 
      ,UserName 
      ,Email 
      ,COUNT(*) AS DupCount -- we're finding duplications by matches on FirstName, 
            -- last name, UserName AND Email. All four fields must match 
            -- to find a dupe. More confidence from this. 
     FROM dbo.DimUsers 
     GROUP BY FirstName 
      ,LastName 
      ,UserName 
      ,Email 
     HAVING COUNT(*) > 1) AS userTable -- any count more than 1 is a dupe 
     WHERE LastName NOT LIKE 'NULL' -- exclude entries with literally NULL names 
      AND FirstName NOT LIKE 'NULL' 
     )AS dupTable 
ON dupTable.FirstName = userIds.FirstName -- to get the userIds of dupes, we LEFT JOIN the original table 
    AND dupTable.LastName = userIds.LastName -- on four fields to increase our confidence 
    AND dupTable.Email = userIds.Email 
    AND dupTable.Username = userIds.Username 
WHERE DupCount IS NOT NULL -- ignore NULL dupcounts, these are not dupes 

Answer 1

Ce code devrait fonctionner, créé pour 1 table de dépendance mais vous pouvez utiliser la même logique de mettre à jour les autres 4 tables.

update t 
set UserID = MinUserID.UserID 
from 
    DimUsersChild1 t 
    inner join DimUsers on DimUsers.UserID = t.UserID 
    inner join (
       select min(UserID) UserID, FirstName, LastName, UserName, Email 
       from DimUsers 
       group by 
       FirstName, LastName, UserName, Email 
      ) MinUserID on 
          MinUserID.FirstName = DimUsers.FirstName and 
          MinUserID.LastName = DimUsers.LastName and 
          MinUserID.UserName = DimUsers.UserName and 
          MinUserID.Email = DimUsers.Email 

select * from DimUsersChild1; 

delete t1 
from 
    DimUsers t 
    inner join DimUsers t1 on t1.FirstName = t.FirstName and 
          t1.LastName = t.LastName and 
          t1.UserName = t.UserName and 
          t1.Email = t.Email 
where 
t.UserID < t1.UserID 


select * from DimUsers; 

Voici une working demo