如何检查SQL表中的数据完整性？

我有一个用于记录实验室访问数据的表。表结构如下：

create table accesslog
(
    userid int not null,
    direction int not null,
    accesstime datetime not null
);

userid   direction   accesstime
-------------------------------------
1         1          2013/01/03 08:30
1        -1          2013/01/03 09:20
1         1          2013/01/03 10:10
1        -1          2013/01/03 10:50
1        -1          2013/01/03 13:40
1         1          2013/01/03 18:00

这个实验室只有一个门处于访问控制之下。因此，用户必须先“进入”实验室，然后才能“离开”。在我最初的设计中，我将“方向”字段设置为1（用于进入实验室）或-1（用于离开实验室）的标志。因此，我可以使用以下查询：

SELECT SUM(direction) FROM accesslog;

获取实验室内的总用户数。理论上，它是有效的；因为对于任何给定的用户ID，“方向”总是以1=>-1=>1=>-1的模式出现

但很快我发现日志消息将丢失在从实验室门到服务器的传输路径中，可能是由于网络繁忙或硬件故障而丢失。当然，我可以使用序列号、ACK、重传、硬件冗余等强制传输路径，但最终我可能会得到如下结果：

create table accesslog
(
    userid int not null,
    direction int not null,
    accesstime datetime not null
);

userid   direction   accesstime
-------------------------------------
1         1          2013/01/03 08:30
1        -1          2013/01/03 09:20
1         1          2013/01/03 10:10
1        -1          2013/01/03 10:50
1        -1          2013/01/03 13:40
1         1          2013/01/03 18:00

这是用户“1”的最新日志。很明显，我丢失了10:50到13:40之间进入实验室的用户的一条日志消息。当我查询这些数据时，他仍在实验室，因此2013/01/03 18:00之后还没有退出日志；那是肯定的

我的问题是：是否有任何方法可以通过SQL命令“发现”此数据不一致？我的系统内总共有5000个用户，实验室24小时运行，没有“神奇的时间”让实验室被清除。如果我要写代码逐行逐用户检查“方向”字段的连续性，那我会很糟糕

我知道用正确的数据“修复”日志是不可能的。我只想知道“哦，我有一个userid=1的数据不一致问题”，这样我就可以添加一个标记的修改数据来纠正最终的统计数据

任何建议都将不胜感激，即使更改表格结构也可以

谢谢

编辑：对不起，我没有提到细节

目前我正在使用混合SQL解决方案。上面显示的表是MySQL，它只包含24小时内的日志，作为快速浏览的“实时”状态

每天早上03:00将在Posix上用C++编写预先安排好的进程。这个过程将计算统计数据，并通过专有协议TCP套接字将每日统计数据添加到Oracle数据库中，然后从MySQL中删除旧数据

甲骨文部分不是我处理的，我对此无能为力。我只是想确保每天的最终统计数据是正确的

---

数据大小约为每天200000条记录——我知道这听起来很疯狂，但事实确实如此。

您没有说明您的DBMS，因此这是ANSI SQL（适用于大多数现代DBMS）

对于accesslog中的每一行，您将得到一列“status”，它指示该行是否“违反”规则

您可以使用以下方法筛选出无效的内容：

select *
from (
  select userid,
         direction,
         accesstime,
         case 
           when lag(direction) over (partition by userid order by accesstime) = direction then 'wrong'
           else 'correct'
         end as status
  from accesslog
  where userid = 1
) t
where status = 'wrong'

我不认为有办法在数据库中使用约束来强制执行这种规则（尽管我觉得PostgreSQL的排除约束在这里会有所帮助）

为什么不使用SUM（）和WHERE字段来按用户过滤呢

---

如果您得到的不是0或1，那么您肯定有问题。

好的，我已经解决了。感谢一匹没有名字的马提供的创意

我的最终解决方案是这个查询：

SELECT userid, COUNT(*), SUM(direction * rule) FROM (
    SELECT userid, direction, @inout := @inout * -1 AS rule
    FROM accesslog l, (SELECT @inout := -1) r
    ORDER by userid, accesstime
) g GROUP by userid;

首先，我用@inout创建了一个模式，该模式将为“rule”列中的每一行生成1=>-1=>1=>-1。然后通过计算乘法积，将方向字段与规则列进行比较

即使某些用户有奇数记录也可以；因为每个用户都应该遵循相同或相反的模式作为“规则”。所以乘法乘积的总和应该等于COUNT（）或-1*COUNT（）

---

通过检查SUM（）和COUNT（），我可以准确地知道哪个用户ID出错。

您使用的是哪种RDBMS？问题在于“消息”没有传递到数据库服务器。使用一个保证交付的消息代理（如果你是Microsoft的话，请使用MSMQ）这对于SQL来说很难做到，但在代码上却很简单。您的数据量是多少？你用什么语言来驱动SQL？对不起，我没有提到。这是MySQL 5.5。这确实是我的第一反应。但请看我上面的例子：和（方向）是0，但仍然有数据不一致。使用SUM（）可以检测一些错误情况，但不是全部。好主意。我也许能从这方面继续下去。