复制具有 n:m 关系的数据集

Question

我想使用单个 SQL 语句

insert into T (...) select ... from T where ...

复制大量数据集。我的问题是从表 T 到其他表有 N:M 关系，这些也必须复制。如果我不知道哪个原始数据集属于哪个复制数据集，我该怎么做？让我举例说明。

之前的数据库内容：

表T:

ID  | COL1 | COL2    
-----------------
1   | A    | B
2   | C    | D

N:M-table 从表 T 引用表 U（表 U 未显示）：

T   | U              
---------
1   | 100
1   | 101
2   | 100
2   | 102

我的复制操作，其中 [???] 是我不知道的部分：

insert into T (COL1, COL2) select COL1, COL2 from T
insert into NM (T, U) select [???]

之后的数据库内容：

表T:

ID  | COL1 | COL2
-----------------
1   | A    | B
2   | C    | D
3   | A    | B
4   | C    | D

N:M 表：

T   | U
---------
1   | 100
1   | 101
2   | 100
2   | 102
3   | 100
3   | 101
4   | 100
4   | 102

注意：

• 我有数千个数据集（不仅仅是两个）
• 我想使用“插入...选择”来获得更好的性能

Answer 1

如果您有幸运行当前的 PostgreSQL 9.1，则可以使用新的data-modifying CTEs 使用单个命令 提供优雅而快速的解决方案。

不支持 Common Table Expressions (CTE) 的 MySQL 没有这样的运气，更不用说数据修改 CTE。

假设 (col1, col2) 最初是唯一的：

查询 1

• 在这种情况下，您可以轻松地从表中选择任意切片。
• 不会浪费t.id 的序列号。

WITH s AS (
    SELECT id, col1, col2
    FROM   t
--  WHERE  some condition
    )
    ,i AS (
    INSERT INTO t (col1, col2)
    SELECT col1, col2   -- I gather from comments that id is a serial column
    FROM   s
    RETURNING id, col1, col2
    )
INSERT INTO tu (t, u)
SELECT i.id, tu.u
FROM   tu
JOIN   s ON tu.t = s.id
JOIN   i USING (col1, col2);

如果(col1, col2) 不是唯一的，我看到了另外两种方式：

查询 2

• 使用window function row_number() 使非唯一行唯一。
• INSERT 行在t.id 空间中没有空洞，就像上面的查询一样。

WITH s AS (
    SELECT id, col1, col2
         , row_number() OVER (PARTITION BY col1, col2) AS rn
    FROM   t
--  WHERE some condition
    )
    ,i AS (
    INSERT INTO t (col1, col2)
    SELECT col1, col2
    FROM   s
    RETURNING id, col1, col2
    )
    ,r AS (
    SELECT *
         , row_number() OVER (PARTITION BY col1, col2) AS rn
    FROM   i
    )
INSERT INTO tu (t, u)
SELECT r.id, tu.u
FROM   r
JOIN   s USING (col1, col2, rn)    -- match exactly one id per row
JOIN   tu ON tu.t = s.id;

查询 3

• 这是基于 @ypercube 已经提供的相同想法，但都在一个查询中。
• 如果当前t.id 的数字空间有空洞，则会相应地为新行销毁序列号。
• 不要忘记重置您的序列超出新的最大值，否则您将在t 中获得重复的键错误，这会从序列中提取id 的默认值。我将此作为最后一步集成到命令中。这种方式最快、最安全。

WITH s AS (
    SELECT max(id) AS max_id
    FROM   t
    )
    ,i AS (
    INSERT INTO t (id, col1, col2)
    SELECT id + s.max_id, col1, col2
    FROM   t, s
    )
    ,j AS (
    INSERT INTO tu (t, u)
    SELECT tu.t + s.max_id, tu.u
    FROM   tu, s
    )
SELECT setval('t_id_seq', s.max_id + s.max_id)
FROM   s;

手册中有关setval()的详细信息。

测试设置

用于快速测试。

CREATE TEMP TABLE t (id serial primary key, col1 text, col2 text);
INSERT INTO t (col1, col2) VALUES 
 ('A', 'B')
,('C', 'D');

CREATE TEMP TABLE tu (t int, u int);
INSERT INTO tu VALUES
 (1, 100)
,(1, 101)
,(2, 100)
,(2, 102);

SELECT * FROM t;
SELECT * FROM tu;

有一个有点similar question recently，我提供了一个有点相似的答案。加上没有 CTE 和窗口函数的版本 8.3 的替代品。

Answer 2

步骤 1. 锁定（两个）表或确保只有此脚本在运行。禁用 FK 检查。

第 2 步。按以下顺序使用这两个 INSERT 语句：

INSERT INTO NM 
    (T, U) 
  SELECT 
      T + maxID, U
  FROM 
      NM
    CROSS JOIN
      ( SELECT MAX(ID) AS maxID 
        FROM T
      ) AS m

INSERT INTO T 
    (ID, COL1, COL2) 
  SELECT 
      ID+maxID, COL1, COL2 
  FROM 
      T
    CROSS JOIN
      ( SELECT MAX(ID) AS maxID 
        FROM T
      ) AS m

第 3 步。重新启用 FK。