写点什么

2 种数据库覆盖式数据导入方法介绍

  • 2022 年 7 月 08 日
  • 本文字数:1724 字

    阅读完需:约 6 分钟

2种数据库覆盖式数据导入方法介绍

本文分享自华为云社区《数据库覆盖式数据导入方法介绍》,作者:along_2020 。

前言


众所周知,数据库中 INSERT INTO 语法是 append 方式的插入,而最近在处理一些客户数据导入场景时,经常遇到需要覆盖式导入的情况,常见的覆盖式导入主要有下面两种:


1、部分覆盖:新老数据根据关键列值匹配,能匹配上则使用新数据覆盖,匹配不上则直接插入。

2、完全覆盖:直接删除所有老数据,插入新数据。


本文主要介绍如何在数据库中完成覆盖式数据导入的方法。

部分覆盖

业务场景


某业务每天给业务表中导入大数据进行分析,业务表中某列存在主键,当插入数据和已有数据存在主键冲突时,希望能够对该行数据使用新数据覆盖或者说更新,而当新老数据 userid 不冲突的情况下,直接将新数据插入到数据库中。以将表 src 中的数据覆盖式导入业务表 des 中为例:

应用方案

方案一:使用 DELETE+INSERT 组合实现(UPDATE 也可以,请读者思考)


--开启事务START TRANSACTION;
--去除主键冲突数据DELETE FROM desUSING srcWHERE EXISTS (SELECT 1 FROM des WHERE des.userid = src.userid);
--导入新数据INSERT INTO desSELECT *FROM srcWHERE NOT EXISTS (SELECT 1 FROM des WHERE des.userid = src.userid);
--事务提交COMMIT;
复制代码


方案优点:使用最常见的使用 DELETE 和 INSERT 即可实现。


方案缺点:1、分了 DELETE 和 INSERT 两个步骤,易用性欠缺;2、借助子查询识重,DELETE/INSERT 性能受查询性能制约。

方案二:使用 MERGE INTO 功能实现


MERGE INTO des USING src ON (des.userid = src.userid)WHEN MATCHED THEN UPDATE SET des.b = src.bWHEN NOT MATCHED THEN INSERT VALUES (src.userid,src.b);
复制代码


方案优点:MERGE INTO 单 SQL 搞定,使用便捷,内部去重效率高。


方案缺点:需要数据库产品支持 MERGE INTO 功能,当前 Oracle、GaussDB(DWS)等数据库已支持此功能,mysql 的 insert into on duplicate key 也类似此功能。

完全覆盖

业务场景


某业务每天给业务表中导入一定时间区间的数据进行分析,分析只需要导入时间区间的去除,不需要以往历史数据,这种情况就需要使用到覆盖式导入。

应用方案

方案一:使用 TRUNCATE+INSERT 组合实现


--开启事务START TRANSACTION;
--清除业务表数据TRUNCATE des;
--插入1月份数据INSERT INTO des SELECT * FROM src WHERE time > '2020-01-01 00:00:00' AND time < '2020-02-01 00:00:00';
--提交事务COMMIT;
复制代码


方案优点:简单暴力,先清理在插入直接实现类似覆盖写功能。


方案缺点:TRUNCATE 清理业务表 des 数据时对表加 8 级锁直到事务结束,在因数据量巨大而 INSERT 时间很长的情况下,des 表在很长时间内是不可访问的状态,业务表 des 相关的业务处于中断状态。

方案二:使用创建临时表过渡的方式实现


--开启事务START TRANSACTION;
--创建临时表CREATE TABLE temp(LIKE desc INCLUDING ALL);
--数据先导入到临时表中INSERT INTO temp SELECT * FROM src WHERE TIME > '2020-01-01 00:00:00' AND TIME < '2020-02-01 00:00:00';
--导入完成后删除业务表desDROP TABLE des;
--修改临时表名temp->desALTER TABLE temp RENAME TO des;
--提交事务COMMIT;
复制代码


方案优点:相比方案一,在 INSERT 期间,业务表 des 可以继续被访问(老数据),即事务提交前分析业务可继续访问老数据,事务提交后分析业务可以访问新导入的数据。


方案缺点:1、组合步骤较多,不易用;2、DROP TABLE 操作会删除表的依赖对象,例如视图等,后面依赖对象的还原可能会比较复杂。

方案三:使用 INSERT OVERWRITE 功能


INSERT OVERWRITE INTO des SELECT * FROM src WHERE time > '2020-01-01 00:00:00' AND time < '2020-02-01 00:00:00';
复制代码


方案优点:单条 SQL 搞定,执行便捷,能够支持一键式切换业务查询的新老数据,业务不中断。


方案缺点:需要产品支持 INSERT OVERWRITE 功能,当前 impala、GaussDB(DWS)等数据库均已支持此功能。

总结


随着大数据的场景越来越多,数据导入的场景也越来越丰富,除了本文介绍的覆盖式数据导入,还有其他诸如忽略冲突的 INSERT IGNORE 导入等等的导入方式,这些导入场景可以以使用基础的 INSERT、UPDATE、DELETE、TRUNCATE 来组合实现,但是也同样会对高级的一键 SQL 功能有直接诉求,后面有机会再继续介绍。


点击关注,第一时间了解华为云新鲜技术~

发布于: 刚刚阅读数: 4
用户头像

提供全面深入的云计算技术干货 2020.07.14 加入

华为云开发者社区,提供全面深入的云计算前景分析、丰富的技术干货、程序样例,分享华为云前沿资讯动态,方便开发者快速成长与发展,欢迎提问、互动,多方位了解云计算! 传送门:https://bbs.huaweicloud.com/

评论

发布
暂无评论
2种数据库覆盖式数据导入方法介绍_数据库_华为云开发者联盟_InfoQ写作社区