全部產品
Search

搜尋本產品

    MaxCompute：插入或覆寫資料（INSERT INTO | INSERT OVERWRITE）

    文件中心

    MaxCompute：插入或覆寫資料（INSERT INTO | INSERT OVERWRITE）

    更新時間：Jul 03, 2024

    MaxCompute支援通過insert into或insert overwrite操作向目標表或靜態分區中插入、覆寫資料。

    本文中的命令您可以在如下工具平台執行：

    前提條件

    執行insert into和insert overwrite操作前需要具備目標表的更新許可權（Update）及源表的元資訊讀取許可權（Select）。授權操作請參見MaxCompute許可權。

    功能介紹

    在使用MaxCompute SQL處理資料時，insert into或insert overwrite操作可以將select查詢的結果儲存至目標表中。二者的區別是：

    • insert into：直接向表或靜態分區中插入資料。您可以在insert語句中直接指定分區值，將資料插入指定的分區。如果您需要插入少量測試資料，可以配合VALUES使用。

    • insert overwrite：先清空表或靜態分區中的原有資料，再向表或靜態分區中插入資料。

      說明

      • MaxCompute的insert文法與通常使用的MySQL或Oracle的insert文法有差別。在insert overwrite後需要加table關鍵字，非直接使用table_name。insert into可以省略table關鍵字。

      • 在反覆對同一個分區執行insert overwrite操作時，您通過desc命令查看到的資料分區Size會不同。這是因為從同一個表的同一個分區select出來再insert overwrite回相同分區時，檔案切分邏輯發生變化，從而導致資料的Size發生變化。資料的總長度在insert overwrite前後是不變的，您不必擔心儲存計費會產生問題。

    向動態分區插入資料的操作請參見插入或覆寫動態分區資料（DYNAMIC PARTITION）。

    使用限制

    • 執行insert into和insert overwrite操作更新表或靜態分區資料的使用限制如下：

      • insert into：不支援向聚簇表中追加資料。

      • insert overwrite：不支援指定插入列，只能使用insert into。例如create table t(a string, b string); insert into t(a) values ('1');，a列插入1，b列為NULL或預設值。

      • MaxCompute對正在操作的表沒有鎖機制，不要同時對一個表執行insert into或insert overwrite操作。

    • 對於Delta Table類型的表有如下限制。

      • Delta Table表用Insert Overwrite寫入資料時，相同PK值的多行記錄在寫入表之前會先去重，只選擇第一行寫入，最終寫入的結果依賴於計算過程的記錄順序，無法手動指定。由於該操作寫入的是全量資料，因此預設去重也是儘可能保證PK唯一性的屬性。

      • Delta Table表用Insert Into寫入資料時，相同PK值的多行預設不去重，都會寫入表中，但如果設定Flag( odps.sql.insert.acidtable.deduplicate.enable)的值為true，則會去重後再寫入表中。

    命令格式

    insert {into|overwrite} table <table_name> [partition (<pt_spec>)] [(<col_name> [,<col_name> ...)]]
<select_statement>
from <from_statement>
[zorder by <zcol_name> [, <zcol_name> ...]];

    • table_name：必填。需要插入資料的目標表名稱。

    • pt_spec：可選。需要插入資料的分區資訊，不允許使用函數等運算式，只能是常量。格式為(partition_col1 = partition_col_value1, partition_col2 = partition_col_value2, ...)。

    • col_name：可選。需要插入資料的目標表的列名稱。insert overwrite不支援指定[(<col_name> [,<col_name> ...)]。

    • select_statement：必填。select子句，從源表中查詢需要插入目標表的資料。更多select資訊，請參見SELECT文法。

      說明

      • 源表與目標表的對應關係依賴於select子句中列的順序，而不是表與表之間列名的對應關係。

      • 如果目標表是靜態分區，向某個分區插入資料時，分區列不允許出現在select子句中。

    • from_statement：必填。from子句，表示資料來源。例如，源表名稱。

    • zorder by <zcol_name> [, <zcol_name> ...]：可選。向表或分區寫入資料時，支援根據指定的一列或多列（select_statement對應表中的列），把排序列資料相近的行排列在一起，提升查詢時的過濾效能，在一定程度上降低儲存成本。需要注意的是，order by x, y會嚴格地按照先x後y的順序對資料進行排序，zorder by x, y會把相近的<x, y>盡量排列在一起。當SQL查詢語句的過濾條件中包含排序列時，order by後的資料僅對包含x的運算式有較好的過濾效果，zorder by後的資料對包含x或同時包含x、y的運算式均有較好的過濾效果，列壓縮比例更高。

    • zorder by有兩種模式，預設模式為local zorder。local模式只是單個檔案內部按照zorder排序，並不是對全域資料做一個重分布，所以如果資料分散在各個檔案，那麼資料的聚集程度可能也不高，無法做到最有效Data Skipping。鑒於該問題，在新版本中支援了global zorder。

      • local zorder。

      • global zorder：如果使用global zorder模式，需要增加參數set odps.sql.default.zorder.type=global;。

    • sort by語句用於指定單個檔案內部排序的方式，如果不寫sort by，則單個檔案內部按照local zorder排序。

    • zorder by的使用限制如下：

      • 對於分區表，一次只允許對1個分區進行zorder by排序。

      • zorder by欄位數目只能在2~4之間。

      • 目標表為聚簇表時，不支援zorder by子句。

      • zorder by可以與distribute by一起使用，不能與order by、cluster by或sort by一起使用。

      說明

      使用zorder by子句寫入資料時，會佔用較多資源，比不排序花費時間更多。

    使用樣本：普通表

    • 樣本1：執行insert into命令向非分區表websites中追加資料。命令樣本如下：

      --建立一張非分區表websites。
create table if not exists websites
(id int,
 name string,
 url string
);
--建立一張非分區表apps
create table if not exists apps
(id int,
 app_name string,
 url string
);
--向表apps追加資料。其中：insert into table table_name可以簡寫為insert into table_name
insert into apps (id,app_name,url) values 
(1,'Aliyun','https://www.aliyun.com');
--複製apps的表資料追加至websites表
insert into websites (id,name,url) select id,app_name,url
from  apps;
--執行select語句查看錶websites中的資料。
select * from websites;
--返回結果。
+------------+------------+------------+
| id         | name       | url        |
+------------+------------+------------+
| 1          | Aliyun     | https://www.aliyun.com |
+------------+------------+------------+

    • 樣本2：執行insert into命令向分區表sale_detail中追加資料。命令樣本如下：

      --建立一張分區表sale_detail。
create table if not exists sale_detail
(
shop_name     string,
customer_id   string,
total_price   double
)
partitioned by (sale_date string, region string);

--向源表增加分區。非必需操作，如果不提前建立，寫入時會自動建立該分區。
alter table sale_detail add partition (sale_date='2013', region='china');

--向源表追加資料。其中：insert into table table_name可以簡寫為insert into table_name，但insert overwrite table table_name不可以省略table關鍵字。
insert into sale_detail partition (sale_date='2013', region='china') values ('s1','c1',100.1),('s2','c2',100.2),('s3','c3',100.3);

--開啟全表掃描，僅此Session有效。執行select語句查看錶sale_detail中的資料。
set odps.sql.allow.fullscan=true; 
select * from sale_detail;

--返回結果。
+------------+-------------+-------------+------------+------------+
| shop_name  | customer_id | total_price | sale_date  | region     |
+------------+-------------+-------------+------------+------------+
| s1         | c1          | 100.1       | 2013       | china      |
| s2         | c2          | 100.2       | 2013       | china      |
| s3         | c3          | 100.3       | 2013       | china      |
+------------+-------------+-------------+------------+------------+

    • 樣本3：執行insert overwrite命令向表sale_detail_insert中覆寫資料。命令樣本如下：

      --建立目標表sale_detail_insert，與sale_detail有相同的結構。
create table sale_detail_insert like sale_detail;

--給目標表增加分區。非必需操作，如果不提前建立，寫入時會自動建立該分區。
alter table sale_detail_insert add partition (sale_date='2013', region='china');

--從源表sale_detail中取出資料插入目標表sale_detail_insert。注意不需要聲明目標表欄位，也不支援重排目標表欄位順序。
--對於靜態分區目標表，分區欄位賦值已經在partition()部分聲明，不需要在select_statement中包含，只要按照目標表普通列順序查出對應欄位，按順序映射到目標表即可。動態分區表則需要在select中包含分區欄位，詳情請參見插入或覆寫動態分區資料（DYNAMIC PARTITION）。
insert overwrite table sale_detail_insert partition (sale_date='2013', region='china')
  select 
  shop_name, 
  customer_id,
  total_price 
  from sale_detail
  zorder by customer_id, total_price;

--開啟全表掃描，僅此Session有效。執行select語句查看錶sale_detail_insert中的資料。
set odps.sql.allow.fullscan=true;
select * from sale_detail_insert;

--返回結果。
+------------+-------------+-------------+------------+------------+
| shop_name  | customer_id | total_price | sale_date  | region     |
+------------+-------------+-------------+------------+------------+
| s1         | c1          | 100.1       | 2013       | china      |
| s2         | c2          | 100.2       | 2013       | china      |
| s3         | c3          | 100.3       | 2013       | china      |
+------------+-------------+-------------+------------+------------+

    • 樣本4：執行insert overwrite命令向表sale_detail_insert中覆寫資料，調整select子句中列的順序。源表與目標表的對應關係依賴於select子句中列的順序，而不是表與表之間列名的對應關係。命令樣本如下：

      insert overwrite table sale_detail_insert partition (sale_date='2013', region='china')
    select customer_id, shop_name, total_price from sale_detail;    

set odps.sql.allow.fullscan=true;
select * from sale_detail_insert;

      返回結果如下：

      +------------+-------------+-------------+------------+------------+
| shop_name  | customer_id | total_price | sale_date  | region     |
+------------+-------------+-------------+------------+------------+
| c1         | s1          | 100.1       | 2013       | china      |
| c2         | s2          | 100.2       | 2013       | china      |
| c3         | s3          | 100.3       | 2013       | china      |
+------------+-------------+-------------+------------+------------+

      在建立sale_detail_insert表時，列的順序為shop_name string、customer_id string、total_price bigint，而從sale_detail向sale_detail_insert插入資料的順序為customer_id、shop_name、total_price。此時，會將sale_detail.customer_id的資料插入sale_detail_insert.shop_name，將sale_detail.shop_name的資料插入sale_detail_insert.customer_id。

    • 樣本5：向某個分區插入資料時，分區列不允許出現在select子句中。如下語句會返回報錯，sale_date和region為分區列，不允許出現在靜態分區的select子句中。錯誤命令樣本如下：

      insert overwrite table sale_detail_insert partition (sale_date='2013', region='china')
   select shop_name, customer_id, total_price, sale_date, region from sale_detail;

    • 樣本6：partition的值只能是常量，不可以為運算式。錯誤命令樣本如下：

      insert overwrite table sale_detail_insert partition (sale_date=datepart('2016-09-18 01:10:00', 'yyyy') , region='china')
   select shop_name, customer_id, total_price from sale_detail;

    • 樣本7：執行insert overwrite命令向表mf_src和表mf_zorder_src中覆寫資料，並使用global zorder模式對錶mf_zorder_src進行排序。命令樣本如下：

      --建立目標表mf_src。
create table mf_src (key string, value string);

insert overwrite table mf_src
select a, b from values ('1', '1'),('3', '3'),('2', '2')
as t(a, b);

select * from mf_src;

--返回結果
+-----+-------+
| key | value |
+-----+-------+
| 1   | 1     |
| 3   | 3     |
| 2   | 2     |
+-----+-------+

--建立目標表mf_zorder_src，與mf_src有相同的結構。
create table mf_zorder_src like mf_src;

--使用global zorder模式排序。
set odps.sql.default.zorder.type=global;
insert overwrite table mf_zorder_src
select key, value from mf_src 
zorder by key, value;

select * from mf_zorder_src;

--返回結果
+-----+-------+
| key | value |
+-----+-------+
| 1   | 1     |
| 2   | 2     |
| 3   | 3     |
+-----+-------+

    • 樣本8：執行insert overwrite命令覆寫存量表target資料。命令樣本如下：

      -- target表是存量表
set odps.sql.default.zorder.type=global;
insert overwrite table target
select key, value from target 
zorder by key, value;

    使用樣本：Delta Table類型表

    樣本：建立Delta Table表mf_dt，並執行insert命令插入並覆寫資料。

    --建立Delta Table表mf_dt。
create table if not exists mf_dt (pk bigint not null primary key, 
                  val bigint not null) 
                  partitioned by (dd string, hh string) 
                  tblproperties ("transactional"="true");
                  
--向mf_dt表dd='01'和hh='01'的分區中插入測試資料。
insert overwrite table mf_dt partition (dd='01', hh='01') 
                 values (1, 1), (2, 2), (3, 3);

--查詢mf_dt表目標資料分割中的資料                
select * from mf_dt where dd='01' and hh='01';
--返回結果
+------------+------------+----+----+
| pk         | val        | dd | hh |
+------------+------------+----+----+
| 1          | 1          | 01 | 01 |
| 3          | 3          | 01 | 01 |
| 2          | 2          | 01 | 01 |
+------------+------------+----+----+

--使用insert into向mf_dt表目標資料分割中追加資料。
insert into table mf_dt partition(dd='01', hh='01') 
            values (3, 30), (4, 4), (5, 5);
            
select * from mf_dt where dd='01' and hh='01';
--返回結果
+------------+------------+----+----+
| pk         | val        | dd | hh |
+------------+------------+----+----+
| 1          | 1          | 01 | 01 |
| 3          | 30         | 01 | 01 |
| 4          | 4          | 01 | 01 |
| 5          | 5          | 01 | 01 |
| 2          | 2          | 01 | 01 |
+------------+------------+----+----+

--使用insert overwrite向mf_dt表目標資料分割的覆蓋寫入資料。
insert overwrite table mf_dt partition (dd='01', hh='01') 
                 values (1, 1), (2, 2), (3, 3);
select * from mf_dt where dd='01' and hh='02';
--返回結果。
+------------+------------+----+----+
| pk         | val        | dd | hh |
+------------+------------+----+----+
| 1          | 1          | 01 | 01 |
| 3          | 3          | 01 | 01 |
| 2          | 2          | 01 | 01 |
+------------+------------+----+----+

--使用insert into向mf_dt表dd='01'和hh='02'的分區寫入資料。
insert overwrite table mf_dt partition (dd='01', hh='02') 
                 values (1, 11), (2, 22), (3, 32);
select * from mf_dt where dd='01' and hh='02';
--返回結果。
+------------+------------+----+----+
| pk         | val        | dd | hh |
+------------+------------+----+----+
| 1          | 11         | 01 | 02 |
| 3          | 32         | 01 | 02 |
| 2          | 22         | 01 | 02 |
+------------+------------+----+----+

--開啟全表掃描，僅此Session有效。執行select語句查看錶mf_dt中的資料。
set odps.sql.allow.fullscan=true;
select * from mf_dt;
--返回結果。
+------------+------------+----+----+
| pk         | val        | dd | hh |
+------------+------------+----+----+
| 1          | 11         | 01 | 02 |
| 3          | 32         | 01 | 02 |
| 2          | 22         | 01 | 02 |
| 1          | 1          | 01 | 01 |
| 3          | 3          | 01 | 01 |
| 2          | 2          | 01 | 01 |
+------------+------------+----+----+

    最佳實務

    Z-Order功能並不是適用於所有情境，也沒有統一的規則來指導是否應該用Z-Order及如何使用。很多時候都需要根據具體案例去嘗試改造，綜合評估改造Z-Order後產生資料帶來的額外計算成本，相對於儲存成本的節省和下遊消費計算成本的節省，是否有收益。下面提供一些經驗上的建議，同時也需要靠各位使用者在使用過程中一起提煉和總結。

    優先考慮Clustered Index而不是Z-Order的情境

    • 如果過濾條件基本都是某個首碼的組合，比如a、a和b、a和b和c，那麼使用Clustered Index（即ORDER BY a, b, c）更有效，此時不要使用ZORDER BY。因為ORDER BY對第一個欄位有非常好的排序效果，對後面欄位影響較少；而ZORDER BY對每個欄位給予了相同的權重，僅看某一列的排序是不如ORDER BY的第一個欄位的。

    • 如果某些欄位經常出現在JOIN KEY上，這些欄位使用Hash或Range Clustering更合適。因為MaxCompute Z-Order的實現僅僅在檔案內進行了排序，而SQL引擎對Z-Order的資料分布沒有感知；但是SQL引擎是能夠感知Clustered Index的，因此在做查詢計劃階段能夠更好地最佳化JOIN的效能。

    • 如果某些欄位經常需要進行GROUP BY和ORDER BY，那麼使用Clustered Index可以獲得更好的效能。

    Z-Order使用建議

    • 選取經常出現在過濾條件中的欄位，尤其是經常聯合在一起過濾的欄位。

    • ZORDER BY的欄位數越多，每個欄位的排序效能會越差，因此欄位數不宜超過4個。如果只有一個欄位，那就應該使用Clustered Index而不是Z-Order。

    • 選取的欄位的distinct value不宜太小或太大。太小的極端情況就是性別欄位，只有兩個值，排序並沒有多大意義。太大的極端情況就是基本沒有重複的，這樣排序的代價會很高，因為MaxCompute的Z-Order實現需要將欄位出現的所有值緩衝在記憶體中來計算ZValue。

    • 表的資料量也不宜太小或太大。如果資料量太小，Z-Order無法看出效果。而資料量太大，按照Z-Order方式產出資料的代價會比較高，尤其是基準任務會明顯影響產出的時間。