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)
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
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
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
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
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。
版权声明: 本文为 InfoQ 作者【华为云开发者联盟】的原创文章。
原文链接:【http://xie.infoq.cn/article/32e1882490b9806f79921fbf3】。文章转载请联系作者。
评论