INSERT ON CONFLICT语句用于在指定列插入某行数据时，如果主键存在重复的行数据，则对该数据执行更新或跳过操作，实现UPSERT（INSERT OR UPDATE）的效果。INSERT ON CONFLICT的执行开销要小于UPDATE语句，推荐将UPDATE语句改写为INSERT ON CONFLICT，语义一致。本文为您介绍在Hologres中INSERT ON CONFLICT语句的用法。

使用限制

  • INSERT ON CONFLICT语句的条件必须包含所有主键。
  • 推荐使用Fixed Plan优化Insert on Conflict执行效率，参考INSERT场景。
  • 如果系统提示实例版本过低不支持该功能。您可以执行如下命令或提交工单升级实例至最新版本。
    set hg_experimental_enable_insert_on_conflict = on;

应用场景

INSERT ON CONFLICT命令适用于通过SQL方式导入数据的场景。

使用数据集成或Flink写入数据时，如果需要对主键重复的行数据执行更新或跳过操作，则需进行如下配置：
  • 通过DataWorks的数据集成导入数据。
    数据集成已内置INSERT ON CONFLICT功能，该功能的实现原理请参见Hologres Writer。同时，您需要进行如下配置：
    • 离线同步数据时，写入冲突策略选择忽略（Ignore）或者更新（Replace）。
    • 实时同步数据时，写入冲突策略选择忽略（Ignore）或者更新（Replace）。
    说明 同步数据时，Hologres的表均需要设置主键，才能更新数据。
  • 通过Flink写入数据。

    通过Flink写入数据默认写入冲突策略使用更新（Replace），但是需要您在Hologres建表时设置主键。详情请参见Hologres结果表。

命令格式

INSERT ON CONFLICT的语法格式如下。
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 ]
参数说明如下表所示。
参数 描述
DO NOTHING 在指定列插入某行数据时，如果主键存在重复的行数据，则对该数据执行跳过操作。
DO UPDATE 在指定列插入某行数据时，如果主键存在重复的行数据，则对该数据执行更新操作。
expression

对应列执行的相关表达式，您可以参考Postgres来设置表达式，详情请参见INSERT ON CONFLICT。

常用表达式 b=excluded.b，或者(a, b, c) = ROW (excluded.*)简化表达，等式左侧表示要被更新的字段，等式右侧表示插入的表达式，即values部分的值，或者select表达式，excluded是对插入表达式的别名，不是写入源头表的别名。例如，column_name = excluded.column_name，column_name为插入数据至目标表指定列的列名称，假设column_name为目标表的第N列，则excluded.column_name为插入表达式的第N列，当使用excluded.*时，表示选择所有列，列的顺序为插入表达式中列的顺序，需要保证插入目标列的顺序与被写入表的DDL顺序一致。

使用示例

  • INSERT ON CONFLICT语句的示例用法：
    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
);
COMMIT;

INSERT INTO tbl_1
    VALUES (1, 1, 1), (2, 3, 4);
--此时tbl_1数据如下
a    b    c
2    3    4
1    1    1

INSERT INTO tbl_2
    VALUES (1, 5, 6);
--此时tbl_2数据如下
d    e    f
1    5    6

--主键相同时，将表tbl_2的某列数据更新到表tbl_1中。
INSERT INTO tbl_1 (a, b)
SELECT
    d,
    e
FROM
    tbl_2
ON CONFLICT (a)
    DO UPDATE SET
        b = excluded.b;
--此时tbl_1数据如下
a    b    c
2    3    4
1    5    1

--根据过滤条件筛选被更新的行
INSERT INTO tbl_1
    VALUES (2, 7, 8)
ON CONFLICT (a)
    DO UPDATE SET
        b = excluded.b, c = excluded.c
    WHERE
        tbl_1.c = 4;
--此时tbl_1数据如下
a    b    c
2    7    8
1    5    1

--主键相同时，向表tbl_1插入表tbl_2的数据，系统直接跳过表tbl_2的数据（即插入数据失败）。
INSERT INTO tbl_1
SELECT
    *
FROM
    tbl_2
ON CONFLICT (a)
    DO NOTHING;
--此时tbl_1数据如下
a    b    c
2    7    8
1    5    1

--do nothing不指定冲突列时，默认冲突列为主键。
INSERT INTO tbl_1
SELECT
    *
FROM
    tbl_2
ON CONFLICT
    DO NOTHING;
--此时tbl_1数据如下
a    b    c
2    7    8
1    5    1

---更新整行数据。
INSERT INTO tbl_1
    VALUES (1, 2, 3)
ON CONFLICT (a)
    DO UPDATE SET
        (a, b, c) = ROW (excluded.*);
--此时tbl_1数据如下
a    b    c
2    7    8
1    2    3

--将tbl_2整表替换tbl1表相同主键的行
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.*)
--此时tbl_1数据如下
a    b    c
2    7    8
1    5    6

--将tbl_2整表替换tbl1表相同主键的行,但调整了更新映射关系，即tbl_2的e列更新到c，f列更新到b
INSERT INTO tbl_1 (a, b, c)
SELECT
    d,e,f
FROM
    tbl_2
ON CONFLICT (a)
    DO UPDATE SET
        (a,c,b) = ROW (excluded.*)
--此时tbl_1数据如下
a    b    c
2    7    8
1    6    5
  • 行存表INSERT ON CONFLICT语句的优化：

    Hologres对行存表的更新场景实行了优化，建议您在使用时将UPDATE列的顺序与INSERT的顺序保持一致，并且更新为整行更新。

    INSERT INTO tbl_1 (a, b, c)
SELECT
    d,e,f
FROM
    tbl_2
ON CONFLICT (a)
    DO UPDATE SET
        a = excluded.a,
        b = excluded.b,
        c = excluded.c;

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.*)

常见报错

  • 问题现象
    对数据源执行INSERT ON CONFLICT语句时出现如下两种报错其中一个。
    • 报错一：

      Update row with Key ()=() multiple times.

      insert on conflict 常见报错
    • 报错二：

      ERROR：duplicate key value violates unique constraint

      常见报错
  • 问题原因一：数据源存在重复数据。
    Hologres兼容PostgreSQL，使用的也是标准PostgreSQL语法。在标准的PostgreSQL语义中，对数据源执行INSERT ON CONFLICT语句时，数据源不能包含重复数据，如果包含重复数据则会产生上述报错。
    说明 数据源重复是指待插入的数据中包含重复数据，不是指待插入的数据与表里的数据重复。
    使用INSERT ON CONFLICT语句插入数据时包含重复数据，示例语句如下。
    INSERT INTO tbl_1
    VALUES (1, 2, 3), (1, 2, 3)
ON CONFLICT (a)
    DO UPDATE SET
        (a, b, c) = ROW (excluded.*);
    解决方法：
    如果数据源包含重复数据，可以配置如下参数，分别选择保留重复数据的第一条数据和最后一条数据。
    • 保留重复数据的第一条数据
      set hg_experimental_affect_row_multiple_times_keep_first = on;
    • 保留重复数据的最后一条数据
      set hg_experimental_affect_row_multiple_times_keep_last = on;
  • 问题原因二：数据源因TTL过期出现重复数据。

    数据源中有表设置过表数据生命周期（TTL），表中有部分数据已经过了TTL，因TTL不是准确的时间，导致过期的数据未被清理，导入时主键数据重复，从而出现报错。

    解决方法：
    Hologres从 V1.3.23版本开始，通过以下命令能快速修正因TTL过期PK重复的数据。执行后该命令后，系统会将该表PK重复的数据清理掉，清理策略默认为Keep Last即保留重复PK中最后一条写入的PK数据，其余重复PK数据进行清理。
    call hg_remove_duplicated_pk('<schema>.<table_name>');
    使用示例：假设有两个表，tbl_1为目标表，tbl_2为源表且配置了TTL，时间设置为300s。将tbl_2的数据整行更新至tbl_1，因TTL过期后，tbl_2的主键重复，导致PK重复。
    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);
--过300s后再向tbl_2插入数据
INSERT INTO tbl_2 VALUES (1, 3, 6);

--将tbl_2整表替换tbl1表相同主键的行，pk因ttl重复了导致更新报错
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.*);
--执行报错：错误原因:ERROR: internal error: Duplicate keys detected when building hash table.

--guc清理tbl_2的pk重复数据，策略为keep last，
call hg_remove_duplicated_pk('tbl_2');

--再重新导入tbl_1数据，数据导入成功
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.*);