通过 SQL 查询安全地标准化数据

假设我有一张客户表：

CREATE TABLE customers (
    customer_number  INTEGER,
    customer_name    VARCHAR(...),
    customer_address VARCHAR(...)
)

这张表确实not有一个主键。然而，customer_name and customer_address should对于任何给定的都是唯一的customer_number.

该表包含许多重复客户的情况并不罕见。为了避免这种重复，使用以下查询来仅隔离唯一客户：

SELECT
  DISTINCT customer_number, customer_name, customer_address
FROM customers

幸运的是，该表传统上包含准确的数据。也就是说，从来没有发生过冲突customer_name or customer_address对于任何customer_number。然而，假设表中确实出现了冲突的数据。我希望编写一个会失败的查询，而不是返回多行customer_number有问题。

例如，我尝试了这个查询但没有成功：

SELECT
  customer_number, DISTINCT(customer_name, customer_address)
FROM customers
GROUP BY customer_number

有没有办法使用标准 SQL 编写这样的查询？如果没有的话，Oracle特定的SQL有解决方案吗？

编辑：奇怪的查询背后的基本原理：

说实话，这个客户表实际上并不存在（谢天谢地）。我创建它是希望它能够足够清晰地展示查询的需求。然而，基于该示例，人们（幸运的是）意识到对此类查询的需求是我最不用担心的。因此，我现在必须剥离一些抽象概念，并希望恢复我提出如此令人厌恶的桌子的声誉......

我从外部系统收到一个包含发票（每行一张）的平面文件。我逐行读取该文件，将其字段插入到该表中：

CREATE TABLE unprocessed_invoices (
    invoice_number   INTEGER,
    invoice_date     DATE,
    ...
    // other invoice columns
    ...
    customer_number  INTEGER,
    customer_name    VARCHAR(...),
    customer_address VARCHAR(...)
)

正如您所看到的，从外部系统到达的数据是非规范化的。也就是说，外部系统在同一行上包含发票数据及其关联的客户数据。多张发票可能共享同一客户，因此可能存在重复的客户数据。

在保证所有客户都在系统中注册之前，系统无法开始处理发票。因此，系统必须识别唯一客户并根据需要对其进行注册。这就是我想要查询的原因：因为我正在处理非规范化的数据，我无法控制.

SELECT
  customer_number, DISTINCT(customer_name, customer_address)
FROM unprocessed_invoices
GROUP BY customer_number

希望这有助于澄清问题的初衷。

编辑：好/坏数据的示例

澄清：customer_name and customer_address只需要独一无二对于一个特定的customer_number.

 customer_number | customer_name | customer_address
----------------------------------------------------
 1               | 'Bob'         | '123 Street'
 1               | 'Bob'         | '123 Street'
 2               | 'Bob'         | '123 Street'
 2               | 'Bob'         | '123 Street'
 3               | 'Fred'        | '456 Avenue'
 3               | 'Fred'        | '789 Crescent'

前两行很好，因为它是相同的customer_name and customer_address for customer_number 1.

中间两行很好，因为它是相同的customer_name and customer_address for customer_number2（尽管另一个customer_number有相同的customer_name and customer_address).

最后两行是not okay因为有两个不同的customer_addresses for customer_number 3.

如果针对所有六行运行，我正在查找的查询将会失败。但是，如果实际上只存在前四行，则视图应返回：

 customer_number | customer_name | customer_address
----------------------------------------------------
 1               | 'Bob'         | '123 Street'
 2               | 'Bob'         | '123 Street'

我希望这能澄清我所说的“冲突”的含义customer_name and customer_address“。它们必须是独一无二的customer_number.

我很欣赏那些解释如何正确从外部系统导入数据的人。事实上，我已经在做其中的大部分了。我故意隐藏了我正在做的所有细节，以便更容易专注于手头的问题。此查询并不是唯一的验证形式。我只是认为这会起到很好的画龙点睛作用（可以说是最后的防御）。这个问题只是为了调查 SQL 的可能性。 :)

你的方法有缺陷。您不希望成功存储的数据在选择时抛出错误 - 这是一个等待发生的地雷，意味着您永远不知道选择何时会失败。

我建议您向表中添加一个唯一的键，然后慢慢开始修改您的应用程序以使用该键，而不是依赖于有意义数据的任何组合。

然后，您就可以不再关心重复数据，因为这些数据本来就不是真正重复的。两个同名的人完全有可能共享同一个地址。

您还将通过这种方法获得性能改进。

顺便说一句，我强烈建议您标准化数据，即将名称分解为 FirstName 和 LastName（也可以选择 MiddleName），并将地址字段分解为每个组件的单独字段（Address1、Address2、City、State、Country） 、邮政编码或其他）

Update:如果我正确理解您的情况（我不确定我是否理解），您希望防止表中出现重复的名称和地址组合（即使这在现实生活中可能发生）。最好通过对这两个字段设置唯一约束或索引来防止插入数据。也就是捕获错误before你插入它。这将告诉您导入文件或生成的应用程序逻辑很糟糕，然后您可以选择采取适当的措施。

我仍然认为，当你查询时抛出错误已经太晚了，无法采取任何措施。