使用 UPDATE 命令更新数据
本文介绍如何在 Apache Doris 中使用 UPDATE 命令修改主键模型（Unique Key Model）表中的数据，包括适用场景、工作原理、性能影响因素及完整使用示例。
UPDATE 命令仅适用于主键模型（Unique Key Model）表。
适用场景
在以下两类典型场景中，推荐使用 UPDATE 命令完成数据修改：
| 场景 | 描述 | 示例 |
|---|---|---|
| 小规模数据更新 | 修正少量记录中的错误字段，或更新特定字段状态 | 修正订单状态、修复个别字段错误数据 |
| 字段级 ETL 批量处理 | 对某个字段进行大规模更新，常见于 ETL 场景 | 批量重算风险等级、批量刷新标签字段 |
注意
大规模数据更新应是不频繁的操作，避免高频触发。
工作原理
UPDATE 的核心执行流程如下：
- 查询引擎根据
WHERE条件，过滤出需要更新的行。 - 基于主键模型的 Value 列覆盖逻辑，用新数据替换旧数据。
- 修改后的行重新写入表中，从而实现行级更新。
同步性
Doris 的 UPDATE 语法是同步执行的：一旦 UPDATE 语句成功返回，更新操作即已完成，数据立即可见。
性能
UPDATE 语句的性能主要由两方面因素决定：
| 影响因素 | 说明 | 优化建议 |
|---|---|---|
| 需要更新的行数 | 行数越多，执行越慢 | 小规模更新可与 INSERT INTO 同等频率使用；大规模更新仅适用于低频调用 |
| 查询条件的效率 | UPDATE 会先读取满足条件的行 | 条件列应命中索引或分区/分桶裁剪，避免全表扫描 |
提示
强烈建议不要在 WHERE 条件中包含 Value 列，以确保查询条件能够高效利用主键或索引。
使用示例
下面以金融风控场景为例，演示如何使用 UPDATE 批量更新交易记录的风险等级。
第 1 步：建表
创建一张交易明细表 transaction_details，使用 Unique Key 模型并启用 Merge-on-Write：
CREATE TABLE transaction_details (
transaction_id BIGINT NOT NULL, -- 唯一交易 ID
user_id BIGINT NOT NULL, -- 用户 ID
transaction_date DATE NOT NULL, -- 交易日期
transaction_time DATETIME NOT NULL, -- 交易时间
transaction_amount DECIMAL(18, 2), -- 交易金额
transaction_device STRING, -- 交易设备
transaction_region STRING, -- 交易地区
average_daily_amount DECIMAL(18, 2), -- 最近 3 个月的平均日交易金额
recent_transaction_count INT, -- 最近 7 天的交易次数
has_dispute_history BOOLEAN, -- 是否有争议历史
risk_level STRING -- 风险等级
)
UNIQUE KEY(transaction_id)
DISTRIBUTED BY HASH(transaction_id) BUCKETS 16
PROPERTIES (
"replication_num" = "3", -- 副本数，默认为 3
"enable_unique_key_merge_on_write" = "true" -- 启用 MOW 模式，支持合并更新
);
第 2 步：查看初始数据
假设表中已有以下交易数据，risk_level 字段尚未赋值：
+----------------+---------+------------------+---------------------+--------------------+--------------------+--------------------+----------------------+--------------------------+---------------------+------------+
| transaction_id | user_id | transaction_date | transaction_time | transaction_amount | transaction_device | transaction_region | average_daily_amount | recent_transaction_count | has_dispute_history | risk_level |
+----------------+---------+------------------+---------------------+--------------------+--------------------+--------------------+----------------------+--------------------------+---------------------+------------+
| 1001 | 5001 | 2024-11-24 | 2024-11-24 14:30:00 | 100.00 | iPhone 12 | New York | 100.00 | 10 | 0 | NULL |
| 1002 | 5002 | 2024-11-24 | 2024-11-24 03:30:00 | 120.00 | iPhone 12 | New York | 100.00 | 15 | 0 | NULL |
| 1003 | 5003 | 2024-11-24 | 2024-11-24 10:00:00 | 150.00 | Samsung S21 | Los Angeles | 100.00 | 30 | 0 | NULL |
| 1004 | 5004 | 2024-11-24 | 2024-11-24 16:00:00 | 300.00 | MacBook Pro | high_risk_region1 | 200.00 | 5 | 0 | NULL |
| 1005 | 5005 | 2024-11-24 | 2024-11-24 11:00:00 | 1100.00 | iPad Pro | Chicago | 200.00 | 10 | 0 | NULL |
+----------------+---------+------------------+---------------------+--------------------+--------------------+--------------------+----------------------+--------------------------+---------------------+------------+
第 3 步：定义风控规则
按照以下优先级规则，对当日所有交易记录批量打风险等级标签：
| 优先级 | 规则 | 风险等级 |
|---|---|---|
| 1 | 存在争议历史的交易 | high |
| 2 | 来自高风险地区（如 high_risk_region1、high_risk_region2）的交易 | high |
| 3 | 异常金额（超过日均金额 5 倍）的交易 | high |
| 4 | 最近 7 天交易次数 > 50 次 | high |
| 5 | 最近 7 天交易次数在 20 到 50 次之间 | medium |
| 6 | 非工作时间（凌晨 2 点到 4 点）的交易 | medium |
| 7 | 其他默认情况 | low |
第 4 步：执行 UPDATE
将上述规则转换为一条 UPDATE 语句，使用 CASE WHEN 实现多条件判断：
UPDATE transaction_details
SET risk_level = CASE
-- 有争议历史或高风险地区的交易
WHEN has_dispute_history = TRUE THEN 'high'
WHEN transaction_region IN ('high_risk_region1', 'high_risk_region2') THEN 'high'
-- 异常交易金额
WHEN transaction_amount > 5 * average_daily_amount THEN 'high'
-- 最近 7 天高频交易
WHEN recent_transaction_count > 50 THEN 'high'
WHEN recent_transaction_count BETWEEN 20 AND 50 THEN 'medium'
-- 非工作时间交易
WHEN HOUR(transaction_time) BETWEEN 2 AND 4 THEN 'medium'
-- 默认风险等级
ELSE 'low'
END
WHERE transaction_date = '2024-11-24';
第 5 步：验证更新结果
执行完成后，再次查询数据，可看到 risk_level 已按照规则被更新：
+----------------+---------+------------------+---------------------+--------------------+--------------------+--------------------+----------------------+--------------------------+---------------------+------------+
| transaction_id | user_id | transaction_date | transaction_time | transaction_amount | transaction_device | transaction_region | average_daily_amount | recent_transaction_count | has_dispute_history | risk_level |
+----------------+---------+------------------+---------------------+--------------------+--------------------+--------------------+----------------------+--------------------------+---------------------+------------+
| 1001 | 5001 | 2024-11-24 | 2024-11-24 14:30:00 | 100.00 | iPhone 12 | New York | 100.00 | 10 | 0 | low |
| 1002 | 5002 | 2024-11-24 | 2024-11-24 03:30:00 | 120.00 | iPhone 12 | New York | 100.00 | 15 | 0 | medium |
| 1003 | 5003 | 2024-11-24 | 2024-11-24 10:00:00 | 150.00 | Samsung S21 | Los Angeles | 100.00 | 30 | 0 | medium |
| 1004 | 5004 | 2024-11-24 | 2024-11-24 16:00:00 | 300.00 | MacBook Pro | high_risk_region1 | 200.00 | 5 | 0 | high |
| 1005 | 5005 | 2024-11-24 | 2024-11-24 11:00:00 | 1100.00 | iPad Pro | Chicago | 200.00 | 10 | 0 | high |
+----------------+---------+------------------+---------------------+--------------------+--------------------+--------------------+----------------------+--------------------------+---------------------+------------+
更多帮助
- 完整语法参考：UPDATE 命令手册。
- 命令行帮助：在 MySQL 客户端执行
HELP UPDATE查看在线说明。
