Ruby on rails Rails中消除重复人员记录的最佳方法

我正在编写一个rails应用程序，其人物模型如下：

  create_table "people", :force => true do |t|
    t.string   "first_name"
    t.string   "last_name"
    t.string   "email"
    t.datetime "created_at", :null => false
    t.datetime "updated_at", :null => false
  end

# This isn't particularly efficient, but it should return an array in which
# each element is a list of duplicated people (assuming we define duplicates
# by doubled email addresses). 
def self.find_duplicates
  array = []
  self.each do |person|
   similar = self.find_by_email
   if similar.count > 1
    array << similar
   end
  end
  return array
end

我有以下两个步骤：

填写人员记录，填写人员姓名。由于昵称等原因，人名可能有未知的重复项。例如，“tim smith”和“timothy smith”

查询API以获取这些人的潜在电子邮件地址匹配项 完成该处理后，我可以得到如下数据：

记录1： 名字：蒂姆 姓：史密斯 电子邮件：蒂姆。smith@sampleemail.com

记录2： 名字：蒂莫西 姓：史密斯 电子邮件：蒂姆。smith@sampleemail.com

在rails中，最好的建模方法是什么

更新：澄清

---

在第2步之后，我知道如何发现这两条记录是重复的（即同一个人），我的问题是如何在模型中表示这两条记录？我是否应该添加一个“replicate_of_person_id”类型的字段，并将该字段中第一条记录的id放在第二条记录中？有更好的方法吗？

不是100%确定你想要什么。如果您只想查找重复项，并在数组中列出它们，可以创建如下方法：

  create_table "people", :force => true do |t|
    t.string   "first_name"
    t.string   "last_name"
    t.string   "email"
    t.datetime "created_at", :null => false
    t.datetime "updated_at", :null => false
  end

# This isn't particularly efficient, but it should return an array in which
# each element is a list of duplicated people (assuming we define duplicates
# by doubled email addresses). 
def self.find_duplicates
  array = []
  self.each do |person|
   similar = self.find_by_email
   if similar.count > 1
    array << similar
   end
  end
  return array
end

不过，在此之前，要确保所有电子邮件都在同一个案例中。您也可以在模型中执行类似操作：

before_validation :format_emails

def format_emails
  self.email = self.email.downcase
end

---

您可以将所有记录链接在一起。想到的第一个方案是保持id最低的记录为赢家，并让所有被骗者指向它。你也可以做一个has_和wou belies_to_many，这将涉及一个单独的表，其中每个记录都表明这两个人是相同的。然而，后者随着人数的增加呈二次增长

---

或者，将第二个文件中的所有信息复制到第一个文件中，然后删除第二个文件

应在数据库上执行唯一性检查，以避免线程化和漂移问题，删除处理这些问题的复杂代码并提高效率。线程化：应用程序的两个实例同时发送相同的数据。应用程序检查无法捕捉到这一点（我想也可以称为

竞争条件）。漂移：主从数据库服务器设置，从数据库服务器未收到新数据集，get询问数据是否存在，并如实回答否。然后将复制数据集。抱歉，应该更清楚。在第2步之后，我知道如何发现这两条记录是重复的（即同一个人），我的问题是如何在模型中表示这两条记录？我是否应该添加一个“replicate_of_person_id”类型的字段，并将该字段中第一条记录的id放在第二条记录中？