腾讯云数据仓库 TCHouse-D 数据更新

一、适用场景

·对满足某些条件的行，修改其取值。

·点更新、小范围更新，待更新的行最好是整个表的非常小一部分。

·update 命令只能在 Unique 数据模型的表中操作。

二、名词解释

·Unique 模型：Doris 系统中的一种数据模型。将列分为两类，Key 和 Value。当用户导入相同 Key 的行时，后者的 Value 会覆盖已有的 Value。与 Mysql 中的 Unique 含义一致。

三、基本原理

利用查询引擎自身的 where 过滤逻辑，从待更新表中筛选出需要被更新的行。再利用 Unique 模型自带的 Value 列新数据替换旧数据的逻辑，将待更新的行变更后，再重新插入到表中。从而实现行级别更新。

举例说明：
假设 Doris 中存在一张订单表，其中订单 ID 是 Key 列，订单状态，订单金额是 Value 列。数据状态如下：

订单 ID	订单金额	订单状态
1	100	待付款

这时，用户点击付款后，Doris 系统需要将订单 id 为 '1' 的订单状态变更为 '待发货', 就需要用到 Update 功能。

UPDATE order SET 订单状态='待发货' WHERE 订单id=1;

用户执行 UPDATE 命令后，系统会进行如下三步：

·第一步：读取满足 WHERE 订单 ID=1 的行：（1，100，'待付款'）

·第二步：变更该行的订单状态，从'待付款'改为'待发货'：（1，100，'待发货'）

·第三步：将更新后的行再插入回表中，从而达到更新的效果。

订单 ID	订单金额	订单状态
1	100	待付款
1	100	待发货

由于表 order 是 UNIQUE 模型，所以相同 Key 的行，之后后者才会生效，所以最终效果如下：

订单 ID	订单金额	订单状态
1	100	待发货

四、UPDATE 语法

UPDATE table_name SET value=xxx WHERE condition;

·table_name：待更新的表，必须是 UNIQUE 模型的表才能进行更新。

·value=xxx：待更新的列，等式左边必须是表的 value 列。等式右边可以是常量，也可以是某个表中某列的表达式变换。
例如：value = 1, 则待更新的列值会变为1。value = value +1，则待更新的列值会自增1。

·condition：只有满足 condition 的行才会被更新。condition 必须是一个结果为 Boolean 类型的表达式。
例如： k1 = 1，则只有当 k1 列值为1的行才会被更新。k1 = k2，则只有 k1 列值和 k2 列一样的行才会被更新。
不支持不填写 condition，即不支持全表更新。

五、同步

Update 语法在 Doris 中是一个同步语法，即 Update 语句成功就代表更新成功、数据可见。

六、性能

Update 语句的性能和待更新的行数，以及 condition 的检索效率密切相关。

·待更新的行数：待更新的行数越多，Update 语句的速度就会越慢。这和导入的原理是一致的。Doris 的更新比较合适偶发更新的场景，例如修改个别行的值，并不适合大批量的修改数据。大批量修改会使得 Update 语句运行时间很久。

·condition 的检索效率：Doris 的 Update 实现原理是先将满足 condition 的行读取处理，所以如果 condition 的检索效率高，则 Update 的速度也会快。
condition 列最好能命中索引或者分区分桶裁剪，这样 Doris 就不需要扫全表，可以快速定位到需要更新的行，从而提升更新效率。

注意：强烈不推荐 update 语句中的 condition 列中包含 UNIQUE 模型的 Value 列，避免更新时进行全表扫描，降低更新效率。

七、并发控制

默认情况下，并不允许同一时间对同一张表并发进行多个 Update 操作。主要原因是，Doris 目前支持的是行更新，这意味着，即使用户声明的是 SET v2 = 1。实际上，其他所有的 Value 列也会被覆盖一遍（尽管值没有变化）。
这就会存在一个问题，如果同时有两个 Update 操作对同一行进行更新，那么其行为可能是不确定的。也就是可能存在脏数据。
但在实际应用中，如果用户自己可以保证即使并发更新，也不会同时对同一行进行操作的话，就可以手动打开并发限制。通过修改 FE 配置 enable_concurrent_update。配置值默认为false，当配置值为 true 时，则对更新并发无限制。用户需要谨慎评估后再决定是否修改该配置。

八、使用风险

由于 Doris 目前支持的是行更新，并且采用的是读取后再写入的两步操作，则如果 Update 语句和其他导入或 Delete 语句刚好修改的是同一行时，存在不确定的数据结果。所以用户在使用的时候，一定要注意用户侧自行控制 Update 语句和其他 DML 语句的并发。