一、on duplicatekey update有什么優(yōu)缺點

ON DUPLICATE KEY UPDATE 語法的特點：

1.MySQL私有語法，非SQL92標準語法。

2.MySQL自身通過少數(shù)鍵的查找進行數(shù)據(jù)排重，并決定INSERT或UPDATE。

以下將 ON DUPLICATE KEY UPDATE 和 原子操作SELECT+INSERT or UPDATE 的方案進行對比分析：

優(yōu)點：

1.減少網(wǎng)絡連接開銷，總體效率上也會略高。（具體高多少需要實驗數(shù)據(jù)支撐）

2.代碼上書寫簡潔、方便。對已有表批量插入新數(shù)據(jù)時尤其方便。

缺點：

1.遷移數(shù)據(jù)層產(chǎn)品時造成極大的麻煩，需要付出大量成本去改寫代碼。如MySQL遷移PostgreSQL。

2.業(yè)務邏輯分散在應用邏輯層和數(shù)據(jù)層，對項目維護留下隱患。

這部分的業(yè)務邏輯其實由 應用層使用特殊語法 和 數(shù)據(jù)層使用少數(shù)鍵 去保證整個邏輯正常運作。如果由于項目維護工作上的疏忽、人員/部門間（多數(shù)企業(yè)中以上兩層分屬研發(fā)和運維部門）協(xié)調(diào)失誤，就有可能造成業(yè)務上重大故障。

個人的一些思考和想法：

1.在工程中是否可以使用ON DUPLICATE KEY UPDATE?

對于大部分業(yè)務，生存周期可能5年到8年；而從目前來看，MySQL在開源、關系型數(shù)據(jù)庫的應用場景中地位無可撼動。在綜合考慮項目遷移和維護成本后，個人覺得還是可以使用的。但是總體上還是傾向于不使用。

延伸閱讀：

二、信息抽取是什么

信息抽取（infromation extraction）信息抽取是一種自動化地從半結(jié)構(gòu)化和無結(jié)構(gòu)數(shù)據(jù)中抽取實體、關系以及實體屬性等結(jié)構(gòu)化信息的技術(shù)。關鍵技術(shù)包括：實體抽取、關系抽取和屬性抽取。

1、實體抽取，也稱為命名實體識別（named entity recognition，NER），是指從文本數(shù)據(jù)集中自動識別出命名實體。

當前主流技術(shù)為面向開放域（open domain）的實體抽取。

2、關系抽取，為了得到語義信息，從相關語料中提取出實體之間的關聯(lián)關系，通過關系將實體聯(lián)系起來，才能夠形成網(wǎng)狀的知識結(jié)構(gòu)。其技術(shù)研究已經(jīng)從早期的“人工構(gòu)造語法和語義規(guī)則”（模式匹配），“統(tǒng)計機器學習”發(fā)展到“面向開放域的信息抽取方法”與“面向封閉領域的方法”相結(jié)合。

3、屬性抽取，目標是從不同信息源中采集特定實體的屬性信息，如針對某個公眾人物，可以從網(wǎng)絡公開信息中得到其昵稱、生日、國籍、教育背景等信息。采用數(shù)據(jù)挖掘的方法直接從文本中挖掘?qū)嶓w屬性和屬性值之間的關系模式，據(jù)此實現(xiàn)對屬性名和屬性值在文本中的定位。