MERGE 目标表的一个子集

Question

我正在尝试使用MERGE语句从表中插入或删除行，但我只想对这些行的一个子集进行操作。的文档MERGE有一个措辞非常强烈的警告：

仅指定目标表中用于匹配目的的列很重要。也就是说，指定目标表中与源表的相应列进行比较的列。不要试图通过在 ON 子句中过滤掉目标表中的行来提高查询性能，例如通过指定 AND NOT target_table.column_x = value。这样做可能会返回意外和不正确的结果。

但这正是我必须做的事情才能完成我的MERGE工作。

我拥有的数据是一个标准的项目到类别的多对多连接表（例如，哪些项目包含在哪些类别中），如下所示：

CategoryId   ItemId
==========   ======
1            1
1            2
1            3
2            1
2            3
3            5
3            6
4            5

我需要做的是用新的项目列表有效地替换特定类别中的所有行。我最初的尝试是这样的：

MERGE INTO CategoryItem AS TARGET
USING (
  SELECT ItemId FROM SomeExternalDataSource WHERE CategoryId = 2
) AS SOURCE
ON SOURCE.ItemId = TARGET.ItemId AND TARGET.CategoryId = 2
WHEN NOT MATCHED BY TARGET THEN
    INSERT ( CategoryId, ItemId )
    VALUES ( 2, ItemId )
WHEN NOT MATCHED BY SOURCE AND TARGET.CategoryId = 2 THEN
    DELETE ;

这似乎在我的测试中有效，但我正在做 MSDN 明确警告我不要做的事情。这让我担心以后会遇到意想不到的问题，但我看不到任何其他方法可以使我MERGE只影响具有特定字段值 ( CategoryId = 2) 的行并忽略来自其他类别的行。

有没有“更正确”的方法来达到同样的结果？MSDN 警告我的“意外或不正确的结果”是什么？

Answer 1

该MERGE语句具有复杂的语法和更复杂的实现，但本质上的想法是连接两个表，过滤到需要更改（插入、更新或删除）的行，然后执行请求的更改。给定以下示例数据：

DECLARE @CategoryItem AS TABLE
(
    CategoryId  integer NOT NULL,
    ItemId      integer NOT NULL,

    PRIMARY KEY (CategoryId, ItemId),
    UNIQUE (ItemId, CategoryId)
);

DECLARE @DataSource AS TABLE
(
    CategoryId  integer NOT NULL,
    ItemId      integer NOT NULL

    PRIMARY KEY (CategoryId, ItemId)
);

INSERT @CategoryItem
    (CategoryId, ItemId)
VALUES
    (1, 1),
    (1, 2),
    (1, 3),
    (2, 1),
    (2, 3),
    (3, 5),
    (3, 6),
    (4, 5);

INSERT @DataSource
    (CategoryId, ItemId)
VALUES
    (2, 2);

目标

???????????????????????
? CategoryId ? ItemId ?
???????????????????????
?          1 ?      1 ?
?          2 ?      1 ?
?          1 ?      2 ?
?          1 ?      3 ?
?          2 ?      3 ?
?          3 ?      5 ?
?          4 ?      5 ?
?          3 ?      6 ?
???????????????????????

来源

???????????????????????
? CategoryId ? ItemId ?
???????????????????????
?          2 ?      2 ?
???????????????????????

期望的结果是用来自源的数据替换目标中的数据，但仅限于CategoryId = 2. 按照MERGE上面给出的描述，我们应该编写一个仅在键上连接源和目标的查询，并且只过滤WHEN子句中的行：

MERGE INTO @CategoryItem AS TARGET
USING @DataSource AS SOURCE ON 
    SOURCE.ItemId = TARGET.ItemId 
    AND SOURCE.CategoryId = TARGET.CategoryId
WHEN NOT MATCHED BY SOURCE 
    AND TARGET.CategoryId = 2 
    THEN DELETE
WHEN NOT MATCHED BY TARGET 
    AND SOURCE.CategoryId = 2 
    THEN INSERT (CategoryId, ItemId)
        VALUES (CategoryId, ItemId)
OUTPUT 
    $ACTION, 
    ISNULL(INSERTED.CategoryId, DELETED.CategoryId) AS CategoryId,
    ISNULL(INSERTED.ItemId, DELETED.ItemId) AS ItemId
;

这给出了以下结果：

?????????????????????????????????
? $ACTION ? CategoryId ? ItemId ?
?????????????????????????????????
? DELETE  ?          2 ?      1 ?
? INSERT  ?          2 ?      2 ?
? DELETE  ?          2 ?      3 ?
?????????????????????????????????
???????????????????????
? CategoryId ? ItemId ?
???????????????????????
?          1 ?      1 ?
?          1 ?      2 ?
?          1 ?      3 ?
?          2 ?      2 ?
?          3 ?      5 ?
?          3 ?      6 ?
?          4 ?      5 ?
???????????????????????

执行计划是：

请注意，两个表都被完全扫描。我们可能认为这效率低下，因为只有CategoryId = 2目标表中的行会受到影响。这就是 Books Online 中警告的来源。 一种试图优化以仅触及目标中必要行的错误尝试是：

MERGE INTO @CategoryItem AS TARGET
USING 
(
    SELECT CategoryId, ItemId
    FROM @DataSource AS ds 
    WHERE CategoryId = 2
) AS SOURCE ON
    SOURCE.ItemId = TARGET.ItemId
    AND TARGET.CategoryId = 2
WHEN NOT MATCHED BY TARGET THEN
    INSERT (CategoryId, ItemId)
    VALUES (CategoryId, ItemId)
WHEN NOT MATCHED BY SOURCE THEN
    DELETE
OUTPUT 
    $ACTION, 
    ISNULL(INSERTED.CategoryId, DELETED.CategoryId) AS CategoryId,
    ISNULL(INSERTED.ItemId, DELETED.ItemId) AS ItemId
;

ON子句中的逻辑作为连接的一部分应用。在这种情况下，联接是完全外部联接（有关原因，请参阅此联机丛书条目）。作为外部联接的一部分，在目标行上应用类别 2 的检查最终会导致具有不同值的行被删除（因为它们与源不匹配）：

?????????????????????????????????
? $ACTION ? CategoryId ? ItemId ?
?????????????????????????????????
? DELETE  ?          1 ?      1 ?
? DELETE  ?          1 ?      2 ?
? DELETE  ?          1 ?      3 ?
? DELETE  ?          2 ?      1 ?
? INSERT  ?          2 ?      2 ?
? DELETE  ?          2 ?      3 ?
? DELETE  ?          3 ?      5 ?
? DELETE  ?          3 ?      6 ?
? DELETE  ?          4 ?      5 ?
?????????????????????????????????

???????????????????????
? CategoryId ? ItemId ?
???????????????????????
?          2 ?      2 ?
???????????????????????

根本原因与谓词在外连接ON子句中的行为与在子句中指定时的行为不同的原因相同WHERE。该MERGE语法（并根据规定的条款中加入执行）只是使它很难看到，这是如此。

联机丛书中的指南（在优化性能条目中进行了扩展）提供的指南将确保使用MERGE语法表达正确的语义，而用户不必了解所有实现细节，或说明优化器可能合法地重新排列的方式出于执行效率原因的事情。

该文档提供了三种实现早期过滤的潜在方法：

在WHEN子句中指定过滤条件可以保证正确的结果，但可能意味着从源表和目标表中读取和处理的行比严格需要的多（如第一个示例中所示）。

通过包含过滤条件的视图进行更新也保证了正确的结果（因为必须可以访问更改的行以通过视图进行更新），但这确实需要一个专用视图，并且需要一个遵循奇数条件来更新视图的视图。

使用公用表表达式会带来与向ON子句添加谓词类似的风险，但原因略有不同。在许多情况下它是安全的，但需要对执行计划进行专家分析以确认这一点（以及广泛的实际测试）。例如：

WITH TARGET AS 
(
    SELECT * 
    FROM @CategoryItem
    WHERE CategoryId = 2
)
MERGE INTO TARGET
USING 
(
    SELECT CategoryId, ItemId
    FROM @DataSource
    WHERE CategoryId = 2
) AS SOURCE ON
    SOURCE.ItemId = TARGET.ItemId
    AND SOURCE.CategoryId = TARGET.CategoryId
WHEN NOT MATCHED BY TARGET THEN
    INSERT (CategoryId, ItemId)
    VALUES (CategoryId, ItemId)
WHEN NOT MATCHED BY SOURCE THEN
    DELETE
OUTPUT 
    $ACTION, 
    ISNULL(INSERTED.CategoryId, DELETED.CategoryId) AS CategoryId,
    ISNULL(INSERTED.ItemId, DELETED.ItemId) AS ItemId
;

这会以更优化的计划产生正确的结果（不重复）：

该计划仅从目标表中读取类别 2 的行。如果目标表很大，这可能是一个重要的性能考虑因素，但使用MERGE语法很容易出错。

有时，编写MERGE单独的 DML 操作会更容易。这种方法甚至可以比单一的执行得更好MERGE，这一事实经常让人们感到惊讶。

DELETE ci
FROM @CategoryItem AS ci
WHERE ci.CategoryId = 2
AND NOT EXISTS 
(
    SELECT 1 
    FROM @DataSource AS ds 
    WHERE 
        ds.ItemId = ci.ItemId
        AND ds.CategoryId = ci.CategoryId
);

INSERT @CategoryItem
SELECT 
    ds.CategoryId, 
    ds.ItemId
FROM @DataSource AS ds
WHERE
    ds.CategoryId = 2;