Phoenix系列：原子的Upsert

Phoenix的插入语句是Upsert，Update和Insert的组合语义。即，如果数据表中没有这条记录那么插入这条记录，如果有则更新。判断是否存在相同的数据是使用ON DUPLICATE KEY来验证的，这里的KEY就是建表时候的主键（PRIMARY KEY）。和Oracle的Merge Into以及MySQL的Insert …on duplicate key 是类似的功能。ON DUPLICATE KEY这个语法要到Phoenix 4.9之后才有。这个功能把HBase的Increment和CheckAndPut两个原子操作合在了一起。当Upsert语句被提交到服务端的时候，所要更新的行会被lock住，同时相关的列会被读取，ON DUPLICATE KEY语句会被执行。由于会锁住所在的行，所以会有一些性能损耗，但是这个损耗比较小，类似于HBase中Put和CheckAndPut的之间的性能差异。

由于有了ON DUPLICATE KEY分句，如果行存在，那么VALUES后面的值将会为忽略。在ON DUPLICATE KEY后面还有其他的语法来实现不同的功能：

• 如果分句是ON DUPLICATE KEY IGNORE 的话，那么这行就不会被Update。
• 如果分句是ON DUPLICATE KEY UPDATE 的话，行就会被后面的Update语句更新，这个更新是获取了行级锁的。

如果操作同一行的多个Upsert在同一时间被批量提交的话，服务端将会按顺序执行它们。所以无论自动提交是开还是关，都会得到一样的结果。

下面列出了UPSERT的一些常用语法：

UPSERT INTO TEST VALUES('foo','bar',3);
UPSERT INTO TEST(NAME,ID) VALUES('foo',123);
UPSERT INTO TEST(ID, COUNTER) VALUES(123, 0) ON DUPLICATE KEY UPDATE COUNTER = COUNTER + 1;
UPSERT INTO TEST(ID, MY_COL) VALUES(123, 0) ON DUPLICATE KEY IGNORE;

如果是4.9之前的版本的话，ON DUPLICATE KEY 分句是不存在的。只有上例的第一和第二种语法。如果原表中有数据重复的话，就会直接更新。

和Oracle和MySQL一样，Phoenix也有Upsert Select语法。插入或更新的数据是另外一个查询结果集。插入或更新的列和查询结果集的列要一一匹配，如果不显式的列出列，那么查询结果集的列要和目标表的列的元数据保持顺序一致。如果auto commit开启的话，会在服务端就提交了，否则会缓存到客户端，等着显式提交的时候进行批量upsert。自动提交的话，可以通过客户端配置“phoenix.mutate.upsertBatchSize”指定大小，默认10000行/次。

示例语法如下：

UPSERT INTO test.targetTable(col1, col2) SELECT col3, col4 FROM test.sourceTable WHERE col5 < 100
UPSERT INTO foo SELECT * FROM bar;

最后，来说一下ON DUPLICATE KEY的一些限制。

1. 主键不会被更新，它是创建新行的基础。

2. 事务表不应该使用这个功能，因为当冲突发生时，原子的Upsert操作有可能已经被异常处理掉了。

3. 不可变表不应该使用这个功能，因为不应该有数据更新不可变表。

4. 如果要使用这个子句，在连接时，就不能设置CURRENT_SCN属性，因为除非最新的值正在被更新，否则HBase的操作不是原子的。

5. 同一列在同一句语句中不应该被更新超过一次。

6. ON DUPLICATE KEY 子句中不能有聚合或者序列。

7. 虽然在列上的全局索引是支持原子化的更细你的，但是还是不推荐在全局索引表上使用这个子语句。因为当维护二级索引的时候，行会被锁定，这个子句胡产生一个RPC调用。