摘要:本文主要分享在大資料場景資料覆寫式導入資料庫的方法。
本文分享自華為雲社群《資料庫覆寫式資料導入方法介紹》,作者:along_2020 。
前言
衆所周知,資料庫中INSERT INTO文法是append方式的插入,而最近在處理一些客戶資料導入場景時,經常遇到需要覆寫式導入的情況,常見的覆寫式導入主要有下面兩種:
1、部分覆寫:新老資料根據關鍵列值比對,能比對上則使用新資料覆寫,比對不上則直接插入。
2、完全覆寫:直接删除所有老資料,插入新資料。
本文主要介紹如何在資料庫中完成覆寫式資料導入的方法。
部分覆寫
業務場景
某業務每天給業務表中導入大資料進行分析,業務表中某列存在主鍵,當插入資料和已有資料存在主鍵沖突時,希望能夠對該行資料使用新資料覆寫或者說更新,而當新老資料userid不沖突的情況下,直接将新資料插入到資料庫中。以将表src中的資料覆寫式導入業務表des中為例:
應用方案
方案一:使用DELETE+INSERT組合實作(UPDATE也可以,請讀者思考)
--開啟事務
START TRANSACTION;
--去除主鍵沖突資料
DELETE FROM des
USING src
WHERE EXISTS (SELECT 1 FROM des WHERE des.userid = src.userid);
--導入新資料
INSERT INTO des
SELECT *
FROM src
WHERE NOT EXISTS (SELECT 1 FROM des WHERE des.userid = src.userid);
--事務送出
COMMIT;
方案優點:使用最常見的使用DELETE和INSERT即可實作。
方案缺點:1、分了DELETE和INSERT兩個步驟,易用性欠缺;2、借助子查詢識重,DELETE/INSERT性能受查詢性能制約。
方案二:使用MERGE INTO功能實作
MERGE INTO des USING src ON (des.userid = src.userid)
WHEN MATCHED THEN UPDATE SET des.b = src.b
WHEN NOT MATCHED THEN INSERT VALUES (src.userid,src.b);
方案優點:MERGE INTO單SQL搞定,使用便捷,内部去重效率高。
方案缺點:需要資料庫産品支援MERGE INTO功能,目前Oracle、GaussDB(DWS)等資料庫已支援此功能,mysql的insert into on duplicate key也類似此功能。
完全覆寫
業務場景
某業務每天給業務表中導入一定時間區間的資料進行分析,分析隻需要導入時間區間的去除,不需要以往曆史資料,這種情況就需要使用到覆寫式導入。
應用方案
方案一:使用TRUNCATE+INSERT組合實作
--開啟事務
START TRANSACTION;
--清除業務表資料
TRUNCATE des;
--插入1月份資料
INSERT INTO des SELECT * FROM src WHERE time > '2020-01-01 00:00:00' AND time < '2020-02-01 00:00:00';
--送出事務
COMMIT;
方案優點:簡單暴力,先清理在插入直接實作類似覆寫寫功能。
方案缺點:TRUNCATE清理業務表des資料時對表加8級鎖直到事務結束,在因資料量巨大而INSERT時間很長的情況下,des表在很長時間内是不可通路的狀态,業務表des相關的業務處于中斷狀态。
方案二:使用建立臨時表過渡的方式實作
--開啟事務
START TRANSACTION;
--建立臨時表
CREATE TABLE temp(LIKE desc INCLUDING ALL);
--資料先導入到臨時表中
INSERT INTO temp SELECT * FROM src WHERE TIME > '2020-01-01 00:00:00' AND TIME < '2020-02-01 00:00:00';
--導入完成後删除業務表des
DROP TABLE des;
--修改臨時表名temp->des
ALTER TABLE temp RENAME TO des;
--送出事務
COMMIT;
方案優點:相比方案一,在INSERT期間,業務表des可以繼續被通路(老資料),即事務送出前分析業務可繼續通路老資料,事務送出後分析業務可以通路新導入的資料。
方案缺點:1、組合步驟較多,不易用;2、DROP TABLE操作會删除表的依賴對象,例如視圖等,後面依賴對象的還原可能會比較複雜。
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';
方案優點:單條SQL搞定,執行便捷,能夠支援一鍵式切換業務查詢的新老資料,業務不中斷。
方案缺點:需要産品支援INSERT OVERWRITE功能,目前impala、GaussDB(DWS)等資料庫均已支援此功能。