众所周知，数据库中insert into语法是append方式的插入，而最近在处理一些客户数据导入场景时，经常遇到需要覆盖式导入的情况
常见的覆盖式导入主要有下面两种：
1、部分覆盖：新老数据根据关键列值匹配，能匹配上则使用新数据覆盖，匹配不上则直接插入。
2、完全覆盖：直接删除所有老数据，插入新数据。
本文主要介绍如何在数据库中完成覆盖式数据导入的方法。
部分覆盖
业务场景
某业务每天给业务表中导入大数据进行分析，业务表中某列存在主键，当插入数据和已有数据存在主键冲突时，希望能够对该行数据使用新数据覆盖或者说更新，而当新老数据userid不冲突的情况下，直接将新数据插入到数据库中。以将表src中的数据覆盖式导入业务表des中为例：
应用方案
方案一：使用delete+insert组合实现（update也可以，请读者思考）
--开启事务 start transaction; --去除主键冲突数据 delete from des using src where exists (select 1 from des where des.userid = src.userid); --导入新数据 insert into des select * from src where not exists (select 1 from des where des.userid = src.userid); --事务提交 commit;
方案优点：使用最常见的使用delete和insert即可实现。
方案缺点：1、分了delete和insert两个步骤，易用性欠缺；2、借助子查询识重，delete/insert性能受查询性能制约。
方案二：使用merge into功能实现
merge into des using src on (des.userid = src.userid) when matched then update set des.b = src.b when not matched then insert values (src.userid,src.b);
方案优点：merge into单sql搞定，使用便捷，内部去重效率高。
方案缺点：需要数据库产品支持merge into功能，当前oracle、gaussdb(dws)等数据库已支持此功能，mysql的insert into on duplicate key也类似此功能。
完全覆盖
业务场景
某业务每天给业务表中导入一定时间区间的数据进行分析，分析只需要导入时间区间的去除，不需要以往历史数据，这种情况就需要使用到覆盖式导入。
应用方案
方案一：使用truncate+insert组合实现
--开启事务 start transaction; --清除业务表数据 truncate des; --插入1月份数据 insert into des select * from src where time > '2020-01-01 00:00:00' and time < '2020-02-01 00:00:00'; --提交事务 commit;
方案优点：简单暴力，先清理在插入直接实现类似覆盖写功能。
方案缺点：truncate清理业务表des数据时对表加8级锁直到事务结束，在因数据量巨大而insert时间很长的情况下，des表在很长时间内是不可访问的状态，业务表des相关的业务处于中断状态。
方案二：使用创建临时表过渡的方式实现
--开启事务 start transaction; --创建临时表 create table temp(like desc including all); --数据先导入到临时表中 insert into temp select * from src where time > '2020-01-01 00:00:00' and time < '2020-02-01 00:00:00'; --导入完成后删除业务表des drop table des; --修改临时表名temp->des alter table temp rename to des; --提交事务 commit;
方案优点：相比方案一，在insert期间，业务表des可以继续被访问（老数据），即事务提交前分析业务可继续访问老数据，事务提交后分析业务可以访问新导入的数据。
方案缺点：1、组合步骤较多，不易用；2、drop table操作会删除表的依赖对象，例如视图等，后面依赖对象的还原可能会比较复杂。
方案三：使用insert overwrite功能
insert overwrite into des select * from src where time > '2020-01-01 00:00:00' and time < '2020-02-01 00:00:00';
方案优点：单条sql搞定，执行便捷，能够支持一键式切换业务查询的新老数据，业务不中断。
方案缺点：需要产品支持insert overwrite功能，当前impala、gaussdb(dws)等数据库均已支持此功能。
总结
随着大数据的场景越来越多，数据导入的场景也越来越丰富，除了本文介绍的覆盖式数据导入，还有其他诸如忽略冲突的insert ignore导入等等其他的导入方式，这些导入场景可以以使用基础的insert、update、delete、truncate来组合实现，但是也同样会对高级的一键sql功能有直接诉求，后面有机会再叙述。
