摘要：本文主要分享在大数据场景数据覆盖式导入数据库的方法。
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 des
USING src
WHERE EXISTS (SELECT 1 FROM des WHERE des.userid = src.userid);
--导入新数据
INSERT INTO des
SELECT *
FROM src
WHERE NOT EXISTS (SELECT 1 FROM des WHERE des.userid = src.userid);
--事务提交
COMMIT;
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.b
WHEN NOT MATCHED THEN INSERT VALUES (src.userid,src.b);
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;
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des
DROP TABLE des;
--修改临时表名temp->des
ALTER TABLE temp RENAME TO des;
--提交事务
COMMIT;
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';
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导入等等其他的导入方式，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~
