MaxCompute支持通过insert intoinsert overwrite操作向目标表或静态分区中插入、更新数据。

前提条件

执行insert intoinsert overwrite操作前需要具备目标表的修改权限(Alter)及源表的元信息读取权限(Describe)。授权操作请参见权限列表

功能介绍

在使用MaxCompute SQL处理数据时,insert intoinsert overwrite操作可以将select查询的结果保存至目标表中。二者的区别是:
  • insert into:直接向表或静态分区中插入数据。您可以在insert语句中直接指定分区值,将数据插入指定的分区。如果您需要插入少量测试数据,可以配合VALUES使用。
  • insert overwrite:先清空表中的原有数据,再向表或静态分区中插入数据。
    说明
    • MaxCompute的insert语法与通常使用的MySQL或Oracle的insert语法有差别。在insert overwrite后需要加table关键字,非直接使用table_nameinsert into可以省略table关键字。
    • 在反复对同一个分区执行insert overwrite操作时,您通过desc命令查看到的数据分区Size会不同。这是因为从同一个表的同一个分区select出来再insert overwrite回相同分区时,文件切分逻辑发生变化,从而导致数据的Size发生变化。数据的总长度在insert overwrite前后是不变的,您不必担心存储计费会产生问题。

向动态分区插入数据的操作请参见插入或覆写动态分区数据(DYNAMIC PARTITION)

使用限制

执行insert intoinsert overwrite操作更新表或静态分区数据的使用限制如下:
  • insert into:不支持向聚簇表中追加数据。
  • insert overwrite:不支持指定插入列,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列为NULL或默认值。
  • MaxCompute对正在操作的表没有锁机制,不要同时对一个表执行insert intoinsert overwrite操作。

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。需要插入数据的目标表名称。
  • pt_spec:可选。需要插入数据的分区信息,不允许使用函数等表达式,只能是常量。格式为(partition_col1 = partition_col_value1, partition_col2 = partition_col_value2, ...)
  • col_name:可选。需要插入数据的目标表的列名称。insert overwrite不支持指定[(<col_name> [,<col_name> ...)]
  • select_statement:必填。select子句,从源表中查询需要插入目标表的数据。更多select信息,请参见SELECT语法
    说明
    • 源表与目标表的对应关系依赖于select子句中列的顺序,而不是表与表之间列名的对应关系。
    • 如果目标表是静态分区,向某个分区插入数据时,分区列不允许出现在select子句中。
  • from_statement:必填。from子句,表示数据来源。例如,源表名称。
  • zorder by <zcol_name> [, <zcol_name> ...]:可选。向表或分区写入数据时,支持根据指定的一列或多列(select_statement对应表中的列),把排序列数据相近的行排列在一起,提升查询时的过滤性能,在一定程度上降低存储成本。需要注意的是,order by x, y会严格地按照先x后y的顺序对数据进行排序,zorder by x, y会把相近的<x, y>尽量排列在一起。当SQL查询语句的过滤条件中包含排序列时,order by后的数据仅对包含x的表达式有较好的过滤效果,zorder by后的数据对包含x或同时包含x、y的表达式均有较好的过滤效果,列压缩比例更高。
    zorder by使用限制如下:
    • 目标表为聚簇表时,不支持zorder by子句。
    • zorder by可以与distribute by一起使用,不能与order bycluster bysort by一起使用。
    说明 使用zorder by子句写入数据时,会占用较多资源,比不排序花费时间更多。

使用示例

  • 示例1:执行insert into命令向非分区表websites中追加数据。命令示例如下:
    --创建一张非分区表websites。
    create table if not exists websites
    (id int,
     name string,
     url string
    );
    --创建一张非分区表apps
    create table if not exists apps
    (id int,
     app_name string,
     url string
    );
    --向表apps追加数据。其中:insert into table table_name可以简写为insert into table_name
    insert into apps (id,app_name,url) values 
    (1,'Aliyun','https://www.aliyun.com');
    --复制apps的表数据追加至websites表
    insert into websites (id,name,url) select id,app_name,url
    from  apps;
    --执行select语句查看表websites中的数据。
    select * from websites;
    --返回结果。
    +------------+------------+------------+
    | id         | name       | url        |
    +------------+------------+------------+
    | 1          | Aliyun     | https://www.aliyun.com |
    +------------+------------+------------+
  • 示例2:执行insert into命令向分区表sale_detail中追加数据。命令示例如下:
    --创建一张分区表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);
    
    --向源表增加分区。
    alter table sale_detail add partition (sale_date='2013', region='china');
    
    --向源表追加数据。其中:insert into table table_name可以简写为insert into table_name,但insert overwrite table table_name不可以省略table关键字。
    insert into sale_detail partition (sale_date='2013', region='china') values ('s1','c1',100.1),('s2','c2',100.2),('s3','c3',100.3);
    
    --开启全表扫描,仅此Session有效。执行select语句查看表sale_detail中的数据。
    set odps.sql.allow.fullscan=true; 
    select * from sale_detail;
    
    --返回结果。
    +------------+-------------+-------------+------------+------------+
    | 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      |
    +------------+-------------+-------------+------------+------------+
  • 示例3:执行insert overwrite命令更新表sale_detail_insert中的数据。命令示例如下:
    --创建目标表sale_detail_insert,与sale_detail有相同的结构。
    create table sale_detail_insert like sale_detail;
    
    --给目标表增加分区。
    alter table sale_detail_insert add partition (sale_date='2013', region='china');
    
    --从源表sale_detail中取出数据插入目标表sale_detail_insert。注意不需要声明目标表字段,也不支持重排目标表字段顺序。
    --对于静态分区目标表,分区字段赋值已经在partition()部分声明,不需要在select_statement中包含,只要按照目标表普通列顺序查出对应字段,按顺序映射到目标表即可。动态分区表则需要在select中包含分区字段,详情请参见插入或覆写动态分区数据(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;
    
    --开启全表扫描,仅此Session有效。执行select语句查看表sale_detail_insert中的数据。
    set odps.sql.allow.fullscan=true;
    select * from sale_detail_insert;
    
    --返回结果。
    +------------+-------------+-------------+------------+------------+
    | 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      |
    +------------+-------------+-------------+------------+------------+
  • 示例4:执行insert overwrite命令更新表sale_detail_insert中的数据,调整select子句中列的顺序。源表与目标表的对应关系依赖于select子句中列的顺序,而不是表与表之间列名的对应关系。命令示例如下:
    insert overwrite table sale_detail_insert partition (sale_date='2013', region='china')
        select customer_id, shop_name, total_price from sale_detail;    
    select * from sale_detail_insert;                  
    返回结果如下:
    +------------+-------------+-------------+------------+------------+
    | 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      |
    +------------+-------------+-------------+------------+------------+

    在创建sale_detail_insert表时,列的顺序为shop_name string、customer_id string、total_price bigint,而从sale_detailsale_detail_insert插入数据的顺序为customer_id、shop_name、total_price。此时,会将sale_detail.customer_id的数据插入sale_detail_insert.shop_name,将sale_detail.shop_name的数据插入sale_detail_insert.customer_id

  • 示例5:向某个分区插入数据时,分区列不允许出现在select子句中。如下语句会返回报错,sale_dateregion为分区列,不允许出现在静态分区的select子句中。错误命令示例如下:
    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;
  • 示例6:partition的值只能是常量,不可以为表达式。错误命令示例如下:
    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;