主键模型的 Update 更新
在数据写入 Doris 之后，业务上经常会遇到需要修改已有数据的场景：订单状态发生变更、ETL 任务需要回填某些字段、或者发现部分历史记录存在错误需要修复。针对这类需求，Doris 在主键模型（Unique Key）上提供了标准的 UPDATE 语句，支持基于条件的行级数据更新。
本文介绍 UPDATE 命令在 Doris 中的适用场景、基本原理与典型用法。需要注意的是：UPDATE 命令仅适用于 Unique 数据模型的表。
适用场景
UPDATE 命令主要面向以下两类典型场景：
| 场景类型 | 说明 | 频率建议 |
|---|---|---|
| 小范围更新 | 修复少量记录中的错误字段，或更新少量记录的状态（如订单状态变更等） | 频率与 INSERT 相近 |
| ETL 批量加工 | 大批量更新某个字段，常见于 ETL 加工场景中对部分列的回填或重算 | 仅适合低频调用 |
基本原理
UPDATE 命令的执行流程如下：
- 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。 - 在内存中对这些行的目标列进行变更。
- 利用 Unique 模型「Value 列新数据替换旧数据」的机制，将变更后的行重新插入到表中，从而实现行级别更新。
同步执行
UPDATE 在 Doris 中是同步语法：当 UPDATE 语句执行成功返回时，更新操作即已完成，新数据立即可见。
性能特征
UPDATE 语句的性能主要取决于两个因素：
-
待更新的行数：待更新的行数越多，
UPDATE语句的执行速度越慢。- 小范围更新：Doris 支持的频率与
INSERT INTO类似。 - 大范围更新：单条
UPDATE执行时间较长，仅适用于低频调用。
- 小范围更新：Doris 支持的频率与
-
查询条件的检索效率：
UPDATE的实现原理是先读取满足查询条件的行，因此查询条件检索效率越高，UPDATE速度越快。- 推荐：条件列尽量命中索引或能用于分区分桶裁剪，避免全表扫描。
- 强烈不推荐：在条件列中包含 Value 列。
使用示例
下面以金融风控场景为例，演示如何使用 UPDATE 命令对交易明细表进行风险等级的批量回填。
1. 建表
创建一张交易明细表，使用 Unique Key 模型，并启用 MOW（Merge-on-Write）模式：
CREATE TABLE transaction_details (
transaction_id BIGINT NOT NULL, -- 唯一交易编号
user_id BIGINT NOT NULL, -- 用户编号
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 个月日均交易金额
recent_transaction_count INT, -- 最近 7 天交易次数
has_dispute_history BOOLEAN, -- 是否有拒付记录
risk_level STRING -- 风险等级
)
UNIQUE KEY(transaction_id)
DISTRIBUTED BY HASH(transaction_id) BUCKETS 16
PROPERTIES (
"replication_num" = "3", -- 副本数量，默认 3
"enable_unique_key_merge_on_write" = "true" -- 启用 MOW 模式，支持合并更新
);
2. 初始数据
表中已有以下交易数据，risk_level 字段尚未填充：
+----------------+---------+------------------+---------------------+--------------------+--------------------+--------------------+----------------------+--------------------------+---------------------+------------+
| 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 |
+----------------+---------+------------------+---------------------+--------------------+--------------------+--------------------+----------------------+--------------------------+---------------------+------------+
3. 风控规则
按照如下风控规则更新当日所有交易记录的风险等级：
| 序号 | 规则 | 风险等级 |
|---|---|---|
| 1 | 有拒付记录 | high |
| 2 | 在高风险地区 | high |
| 3 | 交易金额异常（超过日均 5 倍） | high |
| 4 | 最近 7 天交易次数 > 50 | high |
| 5 | 最近 7 天交易次数在 20 ~ 50 之间 | medium |
| 6 | 非工作时间交易（凌晨 2 点到 4 点） | medium |
| 7 | 其他（默认） | low |
4. 执行 UPDATE
使用 CASE WHEN 表达式将上述规则一次性应用到当日所有记录：
UPDATE transaction_details
SET risk_level = CASE
-- 有拒付记录或在高风险地区的交易
WHEN has_dispute_history = TRUE THEN 'high'
WHEN transaction_region IN ('high_risk_region1', 'high_risk_region2') THEN 'high'
-- 突然异常交易金额
WHEN transaction_amount > 5 * average_daily_amount THEN 'high'
-- 最近 7 天交易频率很高
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
ELSE 'low'
END
WHERE transaction_date = '2024-11-24';
5. 更新结果
UPDATE 执行成功后，查询表中的数据可以看到 risk_level 字段已经按照规则被填充：
+----------------+---------+------------------+---------------------+--------------------+--------------------+--------------------+----------------------+--------------------------+---------------------+------------+
| 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
关于 UPDATE 命令的完整语法说明，请参阅 UPDATE 命令手册，也可以在 MySQL 客户端命令行下输入 HELP UPDATE 获取更多帮助信息。
