sql >> Base de Datos >  >> RDS >> Mysql

R y MySQL:verificar si existe una fila en una tabla antes de escribirla usando dbWriteTable()

Considere una de dos formas:una solución de eliminación de duplicados basada en SQL o R. Para lo primero, necesitaría el uso de una tabla provisional temporal que ejecute el clásico LEFT JOIN...IS NULL/NOT EXISTS/NOT IN Consulta SQL. Para lo último, importaría todo el contenido en un marco de datos, agregaría su df actual y ejecutaría unique() de R . Sin embargo, parece que no pretende esto último, pero lo muestro para futuros lectores.

SQL (utilizando una tabla temporal con la estructura exacta de la tabla de destino)

# OVERWRITE TEMP EACH TIME
dbWriteTable(con_hub, value = my_R_dataframe, 
                      name = "table2_temp", 
                      overwrite = TRUE,                        
                      row.names = FALSE)

# RUN LEFT JOIN...IS NULL QUERY (COMPARE COLS --COL1, COL2, COL3-- ADD/REMOVE AS NEEDED)
dbSendQuery(con_hub, paste0("INSERT INTO table2", 
                            " SELECT * FROM table2_temp",
                            " LEFT JOIN table2",
                            "   ON table2_temp.col1 = table2.col1", 
                            "   AND table2_temp.col2 = table2.col2",
                            "   AND table2_temp.col3 = table2.col3",
                            " WHERE table2.col1 IS NULL",
                            "   OR table2.col2 IS NULL",
                            "   OR table2.col3 IS NULL"))

R (leer en los datos de la tabla 2, considerar si no es demasiado exigente con los recursos, preferible si se eliminan duplicados de todas las columnas)

# RETRIEVE table2 DATA
table2df <- dbGetQuery(con_hub, "SELECT * FROM table2")

# APPEND BOTH DATAFRAMES
stackeddf <- rbind(table2df, my_R_dataframe)

# RETURN UNIQUE ROWS
finaldf <- unique(stackeddf)

# OVERWRITE DESTINATION TABLE EACH TIME
dbWriteTable(con_hub, value = finaldf, 
                      name = "table2", 
                      overwrite = TRUE,                         
                      row.names = FALSE)

# CLEAN UP ENVIRON OF UNNEEDED OBJECTS
rm(table2df, stackeddf, finaldf)
gc()