全部產品
Search
文件中心

Hologres:INSERT ON CONFLICT(UPSERT)

更新時間:Oct 25, 2024

本文為您介紹在Hologres中INSERT ON CONFLICT語句的用法。

應用情境

INSERT ON CONFLICT命令適用於通過SQL方式匯入資料的情境。

使用Data Integration或Flink寫入資料時,如果需要對主鍵重複的行資料執行更新或跳過操作,則需進行如下配置:

  • 通過DataWorks的Data Integration匯入資料。

    Data Integration已內建INSERT ON CONFLICT功能,該功能的實現原理請參見Hologres Writer。同時,您需要進行如下配置:

    • 離線同步資料時,寫入衝突策略選擇忽略(Ignore)或者更新(Replace)

    • 即時同步資料時,寫入衝突策略選擇忽略(Ignore)或者更新(Replace)

    說明

    同步資料時,Hologres的表均需要設定主鍵,才能更新資料。

  • 通過Flink寫入資料。

    通過Flink寫入資料預設寫入衝突策略使用InsertOrIgnore(保留首次出現的資料,忽略後續所有資料),但是需要您在Hologres建表時設定主鍵。如果使用ctas文法,則寫入衝突策略預設為InsertOrUpdate(替換部分已有資料)。

命令介紹

INSERT ON CONFLICT語句用於在指定列插入某行資料時,如果主鍵存在重複的行資料,則對該資料執行更新或跳過操作,實現UPSERT(INSERT OR UPDATE)的效果。INSERT ON CONFLICT的文法格式如下。

INSERT INTO <table_name> [ AS <alias> ] [ ( <column_name> [, ...] ) ]
    {  VALUES ( { <expression> } [, ...] ) [, ...] | <query> }
    [ ON CONFLICT [ conflict_target ] conflict_action ]

where conflict_target is pk

    ON CONSTRAINT constraint_name

and conflict_action is one of:

    DO NOTHING
    DO UPDATE SET { <column_name> = { <expression> } |
                    ( <column_name> [, ...] ) = ( { <expression> } [, ...] ) |
                  } [, ...]
              [ WHERE condition ]

參數說明如下表所示。

參數

描述

table_name

插入資料的目標表名稱。

alias

別名。目標表的替代名稱。

column_name

目標表中目標列名稱。

DO NOTHING

InsertOrIgnore,即在指定列插入某行資料時,如果主鍵存在重複的行資料,則對該資料執行跳過操作。

DO UPDATE

InsertOrUpdate,即在指定列插入某行資料時,如果主鍵存在重複的行資料,則對該資料執行更新操作。

存在如下情況:

  • 更新全部列:全部列的資料都更新,即整行更新。

  • 更新部分列:即局部列更新,缺失的列不更新。

  • 如果要實現InsertOrReplace的效果,同時缺失的列補null,需要手動在值內傳null,見下方使用樣本。

  • 重要
    • 當列中有預設(default)值時,DO UPDATE不更新有預設值的列,效能會比較低。

    • 通過SQL(INSERT ON CONFLICT)實現的InsertOrReplace,缺失的列補null,需要在insert的值內傳null;如果是使用Flink、Data Integration等方式,選擇InsertOrReplace會自動補null

expression

對應列執行的相關運算式,您可以參考Postgres來設定運算式。

常用運算式 b=excluded.b,或者(a, b, c) = ROW (excluded.*)簡化表達,等式左側表示要被更新的欄位,等式右側表示插入的運算式,即values部分的值,或者select運算式,excluded是對插入運算式的別名,不是寫入源頭表的別名。例如,column_name = excluded.column_namecolumn_name為插入資料至目標表指定列的列名稱,假設column_name為目標表的第N列,則excluded.column_name為插入運算式的第N列,當使用excluded.*時,表示選擇所有列,列的順序為插入運算式中列的順序,需要保證插入目標列的順序與被寫入表的DDL順序一致。

技術原理

INSERT ON CONFLICT的技術實現原理同UPDATE,詳情請參見UPDATE。不同表格儲存體格式(行存、列存、行列共存)在更新時的細節處理會略有不同,這就導致不同儲存模式的表在更新時,效能會有不同。而根據業務的需求,INSERT ON CONFLICT又可以分為InsertOrIgnoreInsertOrReplaceInsertOrUpdate,三者的具體區別如下:

更新模式

說明

InsertOrIgnore

寫入時忽略更新,結果表有主鍵,即時寫入時如果主鍵重複,丟棄後到的資料,通過insert on conflict do nothing實現。

InsertOrUpdate

寫入更新,結果表有主鍵,即時寫入時如果主鍵重複,按照主鍵更新。分為整行更新和部分列更新,部分列更新指如果寫入的一行資料不包含所有列,缺失的列不更新。通過insert on conflict do update實現。

InsertOrReplace

寫入覆蓋,結果表有主鍵,即時寫入時如果主鍵重複,按照主鍵更新。如果寫入的一行資料不包含所有列,缺失的列的資料補Null,需要通過insert on conflict do update和手動補Null值一起實現。

根據UPDATE的原理,當表設定不同的儲存格式時,不同UPDATE模式下的更新效能如下:

  • 列存表不同寫入模式的效能排序如下。

    • 結果表無主鍵效能最高。

    • 結果表有主鍵時:InsertOrIgnore > InsertOrReplace >= InsertOrUpdate(整行)> InsertOrUpdate(部分列)

  • 行存表不同寫入模式的效能排序如下。

    InsertOrReplace = InsertOrUpdate(整行)>= InsertOrUpdate(部分列) >= InsertOrIgnore

使用限制

  • INSERT ON CONFLICT語句的條件必須包含所有主鍵。

  • Hologres HQE在執行INSERT ON CONFLICT時,本身不會保序(保證順序),因此不能實現keep first、keep last的效果,都是keep any。但在實際應用中,如果資料來源有主鍵重複資料需要去重,建議使用keep last,命令如下:

    --保留重複資料的最後一條資料
    set hg_experimental_affect_row_multiple_times_keep_last = on;

使用樣本

  • INSERT ON CONFLICT語句的樣本用法:

    說明

    Hologres從V2.1.17版本起支援Serverless Computing能力,針對巨量資料量離線匯入、大型ETL作業、外表巨量資料量查詢等情境,使用Serverless Computing執行該類任務可以直接使用額外的Serverless資源,避免使用執行個體自身資源,無需為執行個體預留額外的計算資源,顯著提升執行個體穩定性、減少OOM機率,且僅需為任務單獨付費。Serverless Computing詳情請參見Serverless Computing概述,Serverless Computing使用方法請參見Serverless Computing使用指南

    1. 準備表和資料:

      begin ;
      create table test1 (
          a int NOT NULL PRIMARY KEY,
          b int,
          c int
      );
      commit ;
      
      insert into test1 values (1,2,3);
      
    2. 不同情境下的使用樣本:

      說明

      下面的每個情境樣本結果不相互依賴,沒有循序關聯性,都是基於上述已建立的表和資料的結果。

      • 情境1:實現InsertOrIgnore,即主鍵重複不更新。

        INSERT INTO test1 (a, b, c) VALUES (1, 1, 1)
        ON CONFLICT (a)
        DO NOTHING;
        
        --更新後test1表的資料為:
        a	b	c
        1	2	3
      • 情境2:實現InsertOrUpdate的整行更新,可以通過如下兩種方式實現。

        • 方式1:在SET..EXCLUDED中列出所有的列。

          INSERT INTO test1 (a, b, c) VALUES (1, 1, 1)
          ON CONFLICT (a)
          DO UPDATE SET b = EXCLUDED.b, c = EXCLUDED.c;
          
          --更新後test1表的資料為:
          a	b	c
          1	1	1
        • 方式2:使用ROW(EXCLUDED.*)代表更新所有列。

          INSERT INTO test1 (a, b, c)VALUES (1, 1, 1)
          ON CONFLICT (a)
          DO UPDATE SET (a,b,c) = ROW(EXCLUDED.*);
          
          --更新後test1表的資料為:
          a	b	c
          1	1	1
      • 情境3:實現InsertOrUpdate的部分列更新,即只更新指定列,缺失的列不更新。

        --要實現部分列更新的效果,需要在set後列出想要更新的列
        INSERT INTO test1 (a, b, c) VALUES (1, 1, 1)
        ON CONFLICT (a)
        DO UPDATE SET b = EXCLUDED.b;
        
        --表中c列不更新,更新後test1表的資料為:
        a	b	c
        1	1	3
      • 情境4:實現InsertOrReplace,即整行覆蓋,如果有缺失的列,缺失的列補null。

        --如果要實現InsertOrReplace,且缺失的列補null,則需要在insert的值中手動補null。
        INSERT INTO test1 (a, b,c) VALUES (1, 1,null)
        ON CONFLICT (a)
        DO UPDATE SET b = EXCLUDED.b,c = EXCLUDED.c;
        
        --更新後test1表的資料為:
        a	b	c
        1	1	\N
      • 情境5:從另外一張test2表更新test1表資料。

        --準備test2表和資料
        CREATE TABLE test2 (
            d int NOT NULL PRIMARY KEY,
            e int,
            f int
        );
        INSERT INTO test2 VALUES (1, 5, 6);
        
        
        --將test2整表替換test1表相同主鍵的行
        INSERT INTO test1 (a, b, c) SELECT d,e,f FROM test2 ON CONFLICT (a) DO UPDATE SET
        (a,b,c) = ROW (excluded.*);
        
        --更新後test1表資料如下:
        a	b	c
        1	5	6
        
        --將test2整表替換test1表相同主鍵的行,但調整了更新映射關係,即test2的e列更新到c列,f列更新到b列
        INSERT INTO test1 (a, b, c) SELECT d,e,f FROM test2 ON CONFLICT (a) DO UPDATE SET
        (a,c,b) = ROW (excluded.*);
        --更新後test1表資料如下:       
        a	b	c
        1	6	5
  • 行存表INSERT ON CONFLICT語句的最佳化:

    Hologres對行存表的更新情境實行了最佳化,建議您在使用時將UPDATE列的順序與INSERT的順序保持一致,並且更新為整行更新。

    INSERT INTO test1 (a, b, c) 
    SELECT
        d,e,f
    FROM
        test2
    ON CONFLICT (a)
        DO UPDATE SET
            a = excluded.a,
            b = excluded.b,
            c = excluded.c;
            
    INSERT INTO test1 (a, b, c)
    SELECT d,e,f FROM test2
    ON CONFLICT (a)
    DO UPDATE SET(a,b,c) = ROW (excluded.*)

常見報錯

  • 問題現象

    對資料來源執行INSERT ON CONFLICT語句時出現如下兩種報錯其中一個。

    • 報錯一:duplicate key value violates unique constraint

    • 報錯二:Update row with Key (xxx)=(yyy) multiple times

    • 報錯三(OOM問題):Total memory used by all existing queries exceeded memory limitation

  • 問題原因一:資料來源存在重複資料。

    Hologres相容PostgreSQL,使用的也是標準PostgreSQL文法。在標準的PostgreSQL語義中,對資料來源執行INSERT ON CONFLICT語句時,資料來源不能包含重複資料,如果包含重複資料則會產生上述報錯。

    說明

    資料來源重複是指待插入的資料中包含重複資料,不是指待插入的資料與表裡的資料重複。

    使用INSERT ON CONFLICT語句插入資料時包含重複資料,樣本語句如下。

    INSERT INTO test1 VALUES (1, 2, 3), (1, 2, 3)
    ON CONFLICT (a) 
    DO UPDATE SET (a, b, c) = ROW (excluded.*);

    解決方案:

    如果資料來源包含重複資料,可以配置如下參數,保留重複資料的最後一條資料:

    set hg_experimental_affect_row_multiple_times_keep_last = on;
  • 問題原因二:資料來源因TTL到期出現重複資料。

    資料來源中有表設定過表資料生命週期(TTL),表中有部分資料已經過了TTL,因TTL不是準確的時間,導致到期的資料未被清理,匯入時主鍵(PK)資料重複,從而出現報錯。

    解決方案:

    Hologres從 V1.3.23版本開始,通過以下命令能快速修正因TTL到期PK重複的資料。執行該命令後,系統會將該表PK重複的資料清理掉,清理策略預設為Keep Last即保留重複PK中最後一條寫入的PK資料,其餘重複PK資料進行清理。

    說明
    • 原則上來說PK不會出現重複資料,因此該命令僅清理因TTL導致PK重複的資料。

    • 該命令僅Hologres V1.3.23及以上版本使用,若執行個體版本較低,請升級執行個體。

    call public.hg_remove_duplicated_pk('<schema>.<table_name>');

    使用樣本:假設有兩個表,tbl_1為目標表,tbl_2為源表且配置了TTL,時間設定為300s。將tbl_2的資料整行更新至tbl_1,因TTL到期後,tbl_2的主鍵重複,導致報錯。

    
    BEGIN;
    CREATE TABLE tbl_1 (
      a int NOT NULL PRIMARY KEY,
      b int,
      c int
    );
    CREATE TABLE tbl_2 (
      d int NOT NULL PRIMARY KEY,
      e int,
      f int
    );
    CALL set_table_property('tbl_2', 'time_to_live_in_seconds', '300'); 
    COMMIT;
    
    INSERT INTO tbl_1 VALUES (1, 1, 1), (2, 3, 4);
    INSERT INTO tbl_2 VALUES (1, 5, 6);
    --過300s後再向tbl_2插入資料
    INSERT INTO tbl_2 VALUES (1, 3, 6);
    
    --將tbl_2整表替換tbl_1表相同主鍵的行,PK因ttl重複了導致更新報錯
    INSERT INTO tbl_1 (a, b, c)
    SELECT
        d,e,f
    FROM
        tbl_2
    ON CONFLICT (a)
        DO UPDATE SET
            (a,b,c) = ROW (excluded.*);
    --錯誤原因:ERROR: internal error: Duplicate keys detected when building hash table.
    
    --guc清理tbl_2的PK重複資料,策略為keep last,
    call public.hg_remove_duplicated_pk('tbl_2');
    
    --再重新匯入tbl_1資料,資料匯入成功
  • 問題原因三:執行個體本身記憶體資源不足,無法支撐本次巨量資料量寫入任務。

    解決方案:

    • 推薦使用Hologres Serverless Computing能力執行本次巨量資料量寫入任務。Hologres從V2.1.17版本起支援Serverless Computing能力,針對巨量資料量離線匯入、大型ETL作業、外表巨量資料量查詢等情境,使用Serverless Computing執行該類任務可以直接使用額外的Serverless資源,避免使用執行個體自身資源,無需為執行個體預留額外的計算資源,顯著提升執行個體穩定性、減少OOM機率,且僅需為任務單獨付費。Serverless Computing詳情請參見Serverless Computing概述,Serverless Computing使用方法請參見Serverless Computing使用指南

    • 參考OOM常見問題排查指南中的方法處理。