在之前的一篇文章 《TiDB 源码阅读系列文章（四）INSERT 语句概览》 中，我们已经介绍了 INSERT 语句的大体流程。为什么需要为 INSERT 单独再写一篇？因为在 TiDB 中，单纯插入一条数据是最简单的情况，也是最常用的情况；更为复杂的是在 INSERT 语句中设定各种行为，比如，对于 Unique Key 冲突的情况应如何处理：是报错？是忽略当前插入的数据？还是覆盖已有数据？所以，这篇会为大家继续深入介绍 INSERT 语句。

本文将首先介绍在 TiDB 中的 INSERT 语句的分类，以及各语句的语法和语义，然后分别介绍五种 INSERT 语句的源码实现。

INSERT 语句的种类

从广义上讲，TiDB 有以下六种 INSERT 语句：

• Basic INSERT

• INSERT IGNORE

• INSERT ON DUPLICATE KEY UPDATE

• INSERT IGNORE ON DUPLICATE KEY UPDATE

• REPLACE

• LOAD DATA

这六种语句理论上都属于 INSERT 语句。

第一种，Basic INSERT，即是最普通的 INSERT 语句，语法 INSERT INTO VALUES ()，语义为插入一条语句，若发生唯一约束冲突（主键冲突、唯一索引冲突），则返回执行失败。

第二种，语法 INSERT IGNORE INTO VALUES ()，是当 INSERT 的时候遇到唯一约束冲突后，忽略当前 INSERT 的行，并记一个 warning。当语句执行结束后，可以通过 SHOW WARNINGS 看到哪些行没有被插入。

第三种，语法 INSERT INTO VALUES () ON DUPLICATE KEY UPDATE，是当冲突后，更新冲突行后插入数据。如果更新后的行跟表中另一行冲突，则返回错误。

第四种，是在上一种情况，更新后的行又跟另一行冲突后，不插入该行并显示为一个 warning。

第五种，语法 REPLACE INTO VALUES ()，是当冲突后，删除表上的冲突行，并继续尝试插入数据，如再次冲突，则继续删除标上冲突数据，直到表上没有与改行冲突的数据后，插入数据。

最后一种，语法 LOAD DATA INFILE INTO 的语义与 INSERT IGNORE 相同，都是冲突即忽略，不同的是 LOAD DATA 的作用是将数据文件导入到表中，也就是其数据来源于 csv 数据文件。

由于 INSERT IGNORE ON DUPLICATE KEY UPDATE 是在 INSERT ON DUPLICATE KEY UPDATE 上做了些特殊处理，将不再单独详细介绍，而是放在同一小节中介绍；LOAD DATA 由于其自身的特殊性，将留到其他篇章介绍。

Basic INSERT 语句

几种 INSERT 语句的最大不同在于执行层面，这里接着 《TiDB 源码阅读系列文章（四）INSERT 语句概览》 来讲语句执行过程。不记得前面内容的同学可以返回去看原文章。

INSERT 的执行逻辑在 executor/insert.go 中。其实前面讲的前四种 INSERT 的执行逻辑都在这个文件里。这里先讲最普通的 Basic INSERT。

InsertExec 是 INSERT 的执行器实现，其实现了 Executor 接口。最重要的是下面三个接口：

• Open：进行一些初始化

• Next：执行写入操作

• Close：做一些清理工作

其中最重要也是最复杂的是 Next 方法，根据是否通过一个 SELECT 语句来获取数据（INSERT SELECT FROM），将 Next 流程分为，insertRows 和 insertRowsFromSelect 两个流程。两个流程最终都会进入 exec 函数，执行 INSERT。

exec 函数里处理了前四种 INSERT 语句，其中本节要讲的普通 INSERT 直接进入了 insertOneRow。

在讲 insertOneRow 之前，我们先看一段 SQL。

CREATE TABLE t (i INT UNIQUE);
INSERT INTO t VALUES (1);
BEGIN;
INSERT INTO t VALUES (1);
COMMIT;

把这段 SQL 分别一行行地粘在 MySQL 和 TiDB 中看下结果。

MySQL：

mysql> CREATE TABLE t (i INT UNIQUE);
Query OK, 0 rows affected (0.15 sec)

mysql> INSERT INTO t VALUES (1);
Query OK, 1 row affected (0.01 sec)

mysql> BEGIN;
Query OK, 0 rows affected (0.00 sec)

mysql> INSERT INTO t VALUES (1);
ERROR 1062 (23000): Duplicate entry '1' for key 'i'
mysql> COMMIT;
Query OK, 0 rows affected (0.11 sec)

TiDB：

mysql> CREATE TABLE t (i INT UNIQUE);
Query OK, 0 rows affected (1.04 sec)

mysql> INSERT INTO t VALUES (1);
Query OK, 1 row affected (0.12 sec)

mysql> BEGIN;
Query OK, 0 rows affected (0.01 sec)

mysql> INSERT INTO t VALUES (1);
Query OK, 1 row affected (0.00 sec)

mysql> COMMIT;
ERROR 1062 (23000): Duplicate entry '1' for key 'i'

可以看出来，对于 INSERT 语句 TiDB 是在事务提交的时候才做冲突检测而 MySQL 是在语句执行的时候做的检测。这样处理的原因是，TiDB 在设计上，与 TiKV 是分层的结构，为了保证高效率的执行，在事务内只有读操作是必须从存储引擎获取数据，而所有的写操作都事先放在单 TiDB 实例内事务自有的 memDbBuffer 中，在事务提交时才一次性将事务写入 TiKV。在实现中是在 insertOneRow 中设置了 PresumeKeyNotExists 选项，所有的 INSERT 操作如果在本地检测没发现冲突，就先假设插入不会发生冲突，不需要去 TiKV 中检查冲突数据是否存在，只将这些数据标记为待检测状态。最后到提交过程中，统一将整个事务里待检测数据使用 BatchGet 接口做一次批量检测。

当所有的数据都通过 insertOneRow 执行完插入后，INSERT 语句基本结束，剩余的工作为设置一下 lastInsertID 等返回信息，并最终将其结果返回给客户端。

INSERT IGNORE 语句

INSERT IGNORE 的语义在前面已经介绍了。之前介绍了普通 INSERT 在提交的时候才检查，那 INSERT IGNORE 是否可以呢？答案是不行的。因为：

1. INSERT IGNORE 如果在提交时检测，那事务模块就需要知道哪些行需要忽略，哪些直接报错回滚，这无疑增加了模块间的耦合。

2. 用户希望立刻获取 INSERT IGNORE 有哪些行没有写入进去。即，立刻通过 SHOW WARNINGS 看到哪些行实际没有写入。

这就需要在执行 INSERT IGNORE 的时候，及时检查数据的冲突情况。一个显而易见的做法是，把需要插入的数据试着读出来，当发现冲突后，记一个 warning，再继续下一行。但是对于一个语句插入多行的情况，就需要反复从 TiKV 读取数据来进行检测，显然，这样的效率并不高。于是，TiDB 实现了 batchChecker，代码在 executor/batch_checker.go。

在 batchChecker 中，首先，拿待插入的数据，将其中可能冲突的唯一约束在 getKeysNeedCheck 中构造成 Key（TiDB 是通过构造唯一的 Key 来实现唯一约束的，详见 《三篇文章了解 TiDB 技术内幕——说计算》）。

然后，将构造出来的 Key 通过 BatchGetValues 一次性读上来，得到一个 Key-Value map，能被读到的都是冲突的数据。

最后，拿即将插入的数据的 Key 到 BatchGetValues 的结果中进行查询。如果查到了冲突的行，构造好 warning 信息，然后开始下一行，如果查不到冲突的行，就可以进行安全的 INSERT 了。这部分的实现在 batchCheckAndInsert 中。

同样，在所有数据执行完插入后，设置返回信息，并将执行结果返回客户端。

INSERT ON DUPLICATE KEY UPDATE 语句

INSERT ON DUPLICATE KEY UPDATE 是几种 INSERT 语句中最为复杂的。其语义的本质是包含了一个 INSERT 和 一个 UPDATE。较之与其他 INSERT 复杂的地方就在于，UPDATE 语义是可以将一行更新成任何合法的样子。

在上一节中，介绍了 TiDB 中对于特殊的 INSERT 语句采用了 batch 的方式来实现其冲突检查。在处理 INSERT ON DUPLICATE KEY UPDATE 的时候我们采用了同样的方式，但由于语义的复杂性，实现步骤也复杂了不少。

首先，与 INSERT IGNORE 相同，首先将待插入数据构造出来的 Key，通过 BatchGetValues 一次性地读出来，得到一个 Key-Value map。再把所有读出来的 Key 对应的表上的记录也通过一次 BatchGetValues 读出来，这部分数据是为了将来做 UPDATE 准备的，具体实现在 initDupOldRowValue。

然后，在做冲突检查的时候，如果遇到冲突，则首先进行一次 UPDATE。我们在前面 Basic INSERT 小节中已经介绍了，TiDB 的 INSERT 是提交的时候才去 TiKV 真正执行。同样的，UPDATE 语句也是在事务提交的时候才真正去 TiKV 执行的。在这次 UPDATE 中，可能还是会遇到唯一约束冲突的问题，如果遇到了，此时即报错返回，如果该语句是 INSERT IGNORE ON DUPLICATE KEY UPDATE 则会忽略这个错误，继续下一行。

在上一步的 UPDATE 中，还需要处理以下场景，如下面这个 SQL：

CREATE TABLE t (i INT UNIQUE);
INSERT INTO t VALUES (1), (1) ON DUPLICATE KEY UPDATE i = i;

可以看到，这个 SQL 中，表中原来并没有数据，第二句的 INSERT 也就不可能读到可能冲突的数据，但是，这句 INSERT 本身要插入的两行数据之间冲突了。这里的正确执行应该是，第一个 1 正常插入，第二个 1 插入的时候发现有冲突，更新第一个 1。此时，就需要做如下处理。将上一步被 UPDATE 的数据对应的 Key-Value 从第一步的 Key-Value map 中删掉，将 UPDATE 出来的数据再根据其表信息构造出唯一约束的 Key 和 Value，把这个 Key-Value 对放回第一步读出来 Key-Value map 中，用于后续数据进行冲突检查。这个细节的实现在 fillBackKeys。这种场景同样出现在，其他 INSERT 语句中，如 INSERT IGNORE、REPLACE、LOAD DATA。之所以在这里介绍是因为，INSERT ON DUPLICATE KEY UPDATE 是最能完整展现 batchChecker 的各方面的语句。

最后，同样在所有数据执行完插入/更新后，设置返回信息，并将执行结果返回客户端。

REPLACE 语句

REPLACE 语句虽然它看起来像是独立的一类 DML，实际上观察语法的话，它与 Basic INSERT 只是把 INSERT 换成了 REPLACE。与之前介绍的所有 INSERT 语句不同的是，REPLACE 语句是一个一对多的语句。简要说明一下就是，一般的 INSERT 语句如果需要 INSERT 某一行，那将会当遭遇了唯一约束冲突的时候，出现以下几种处理方式：

• 放弃插入，报错返回：Basic INSERT

• 放弃插入，不报错：INSERT IGNORE

• 放弃插入，改成更新冲突的行，如果更新的值再次冲突

• 报错：INSERT ON DUPLICATE KEY UPDATE

• 不报错：INSERT IGNORE ON DUPLICATE KEY UPDATE

他们都是处理一行数据跟表中的某一行冲突时的不同处理。但是 REPLACE 语句不同，它将会删除遇到的所有冲突行，直到没有冲突后再插入数据。如果表中有 5 个唯一索引，那有可能有 5 条与等待插入的行冲突的行。那么 REPLACE 语句将会一次性删除这 5 行，再将自己插入。看以下 SQL：

CREATE TABLE t (
i int unique, 
j int unique, 
k int unique, 
l int unique, 
m int unique);

INSERT INTO t VALUES 
(1, 1, 1, 1, 1), 
(2, 2, 2, 2, 2), 
(3, 3, 3, 3, 3), 
(4, 4, 4, 4, 4);

REPLACE INTO t VALUES (1, 2, 3, 4, 5);

SELECT * FROM t;
i j k l m
1 2 3 4 5

在执行完之后，实际影响了 5 行数据。

理解了 REPLACE 语句的特殊性以后，我们就可以更容易理解其具体实现。

与 INSERT 语句类似，REPLACE 语句的主要执行部分也在其 Next 方法中，与 INSERT 不同的是，其中的 insertRowsFromSelect 和 insertRows 传递了 ReplaceExec 自己的 exec 方法。在 exec 中调用了 replaceRow，其中同样使用了 batchChecker 中的批量冲突检测，与 INSERT 有所不同的是，这里会删除一切检测出的冲突，最后将待插入行写入。

写在最后

INSERT 语句是所有 DML 语句中最复杂，功能最强大多变的一个。其既有像 INSERT ON DUPLICATE UPDATE 这种能执行 INSERT 也能执行 UPDATE 的语句，也有像 REPLACE 这种一行数据能影响许多行数据的语句。INSERT 语句自身都可以连接一个 SELECT 语句作为待插入数据的输入，因此，其又受到了来自 planner 的影响（关于 planner 的部分详见相关的源码阅读文章： （七）基于规则的优化 和 （八）基于代价的优化）。熟悉 TiDB 的 INSERT 各个语句实现，可以帮助各位读者在将来使用这些语句时，更好地根据其特色使用最为合理、高效语句。另外，如果有兴趣向 TiDB 贡献代码的读者，也可以通过本文更快的理解这部分的实现。

作者：于帅鹏