3
头图

这个问题已经困扰我一段时间了,对于大量数据的插入或更新,批量操作肯定比每条记录调用一次快得多,新数据可以用 insert 批量插入,老数据可以用 replace into 批量更新。但如果不知道数据是否存在(是否有唯一key和数据库中已有记录重复)想在一批数据库中,插入新记录,更新老记录怎么办?
之前甚至想过封装一个函数,先用 select ... in 批量查询,然后分两组插入和更新,但一方面通用性不佳,另一方面这不是一个原子操作,对于并发的情况,有可能查询的时候记录不存在,插入的时候就已经存在了。
仔细 google 了一下,才发现这种“存在update,不存在insert”的动作,有个专有名词,叫做“upsert”,相当形象。解决方案呢,不同数据库各有自己的解决方案和方言,Mysql 叫做 on duplicate key update,PostgreSql 中叫做 on confict do update。

基本用法

INSERT INTO t1 (a,b,c) VALUES (1,2,3)
ON DUPLICATE KEY UPDATE c=c+1;

假设a、b是联合主键或者唯一索引,上面这句话意味着,当数据库中不存在 a=1 且 b=2 的记录,就插入一条 a=1,b=2,c=3 的新记录;如果存在,就把原记录的字段 c,更新为 c+1。如果 a 是单独的组成唯一键字段,那么判断是否存在的时候,就只考虑字段a,如果 a=1 的记录存在,也只会更新字段 c,忽略字段 b。

复用数值

通常情况下,我们 update 的字段,会比 insert 少一点,但是数据是一样的,这时候,再写一遍 values,不但显得多余,而且容易出错,那么就可以用下面的语法:

INSERT INTO t1 (a,b,c) VALUES (1,2,3)
ON DUPLICATE KEY UPDATE c = VALUES(c);

于是insert 或 update 字段 c ,结果就是同一个值了。

批量处理

回到最初的问题,刚才这句话如果只能支持一条记录,还是意义不大,好在它像 insert 一样支持批量处理:

INSERT INTO t1 (a,b,c) VALUES (1,2,3),(4,5,6) AS new
  ON DUPLICATE KEY UPDATE c = VALUES(c);

这样在代码中,就可以拼接多条记录的 SQL 语句,一次性完成 upsert 操作了。
注意:在 mysql 语法上,对于一次 upsert 插入多少条记录,没有任何限制,上限完全取决于客户端和数据库端操作系统,对字符串的长度要求;不过,考虑到网络传输的包大小,建议不要太长,通常认为一条语句不能超过 500 MB 的大小。

至于在 Python 语言中,如何实现 upsert ,请看一下篇。


Update

仅当记录不存在的时候插入

有的时候,我们需要在记录不存在的情况下插入记录,而存在的情况下,就什么都不做,这时 ON DUPLICATE KEY UPDATE 就不合适了,它必须要更新点什么,此时可以用 INSERT IGNORE INTO 语句。例如:

INSERT IGNORE INTO t1 (a,b,c) VALUES (1,2,3)

如果数据库中已有相关记录,那么不会报错,只是返回:

Query OK, 0 rows affected (0.00 sec)

Update 2023-3-4
发现了ON DUPLICATE KEY UPDATE 语句一个问题,就是无论是否新插入数据,所有要处理的数据集,都会消耗自增 id 数字。比如传了 1000 条数据记录,其中 999 条都是存在的,只有 1 条是新增,那么执行完之后,也会发现自增 id 的当前值,增加了 1000!!!。

在数据量小的时候,这也没什么,本来自增 id 也不保证连续;但当 upsert 的数据量非常大,而绝大部分都是已经存在的数据时,自增数值的浪费就是惊人的。我们在业务上就出现过每次 upsert 约 2千万条数据,其中只有几百条新增,但 id 值已经上涨了 2千万;而主键 id 字段的数据类型又是 int,很快就要突破上限,要快速解决只能修改字段类型为 BigInt。


songofhawk
295 声望23 粉丝