目前，我正在处理一个电子商务项目的大型mySQL事务数据库。我们从电子商店获得数据，包括销售的产品。每个电子商店都会添加有关产品之间相似性的信息，并将它们作为组列出。例如，商店A发送信息：
第一组：iPhone蓝色、iPhone黑色、iPhone绿色
第二组：iPad蓝色、iPad黑色、iPad绿色等。
另一家电子商店发送此类信息：
第三组：iPhone粉色，iPhone黑色
第四组：iPad蓝色，iPad粉色
每个产品都存储在表Products中：（重要：此表有大约15000000行）
Id | Name
------------------
1 | iPhone blue
2 | iPhone black
3 | iPhone green
4 | iPhone pink
5 | iPad blue
6 | iPad black
7 | iPad green
8 | iPad pink
此外，还有一个表组，其组如上所述：（M:N关系）
Id | Id_product | Group
--------------------------
1 | 1 | 1
2 | 2 | 1
3 | 3 | 1
4 | 5 | 2
5 | 6 | 2
6 | 7 | 2
7 | 4 | 3
8 | 1 | 3
9 | 5 | 4
10 | 8 | 4
现在，问题是组1+3和组2+4应该合并在一起。
当前（糟糕的）解决这个问题的方法是基于获取产品的所有组（通过查询中的GROUP CONCAT函数），然后从这些组中获取所有产品。然后更新表组以将这些组合并为一个组。
这种方法的主要问题是：
非常有问题的计算复杂性。
从电子商店获得的组可能是错误的（！）。想象一下这个群体：
第五组：iPhone黑色，iPad黑色。考虑到这个群体，整个分离过程是错误的。你最终会和一组iphone和ipad在一起（这是错误的）。
所以，现在，最后一个问题是：
有什么办法解决这个问题吗？仅仅是暗示/提示就足够了，我只是完全陷入了知识的匮乏。
我在玩模糊散列算法/k-means聚类，但在我看来它不适合这个问题。模糊散列似乎正在考虑产品的名称（这在iPhone上可能很好，但不能用T恤来表示，它们的名称不是很“准备充分”，因此很难仅仅从名称中猜出差异）。我遗漏了什么吗？
那么，知道吗？
总之，为了解决这个特殊的问题，可以引入不同的数据库解决方案，这是没有问题的。
提前谢谢：）
奇梅尔达
最佳答案
一个想法可能是添加一个表“group_conversion”，它将每个外部组编号转换为您自己的组编号。
在这种情况下，该表将如下所示：
Group_external | NameMatch | ID_my_group
----------------------------------------
1 | null | 1
2 | null | 2
3 | null | 1
4 | null | 2
5 | "IPhone%" | 1
5 | "IPad%" | 2
在插入来自电子商店的新数据时，应首先将传入的组号转换为自己的组号，然后再将其添加到组表中。
仅当要将传入组（您提到的组5）中的产品分开时，才使用NameMatch字段。
因此，如果该字段为空，只需转换ID。否则，仅当产品名称与NameMatch匹配时才转换ID。
要转换当前数据，创建一个与组具有相同字段的新表（例如Groups2）可能会有所帮助，唯一不同的是该组是对新组编号的引用。
然后，可以通过转换组的每条记录来填充新表。
转换完成后，删除Groups表并重命名Groups2表。
这样，您将得到一个更小的组表大小，并且表已经包含合并的数据，因此合并不需要单独的查询。
希望这会有帮助！
关于mysql - mySQL数据库:分离/集群(？)数据，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/19291332/