本篇承接上一篇《Mysql 数据库的批量插入或更新（Upsert）》的内容，来看看在 Python 中，怎么实现大量数据的 upsert（记录存在就更新，不存在则插入）。
由于不同数据库对这种 upsert 的实现机制不同，Sqlalchemy 也就不再试图做一致性的封装了，而是提供了各自的方言 API，具体到 Mysql，就是给 insert statement ，增加了 on_duplicate_key_update 方法。
基本用法
假设表数据模型如下：
class TableA(db.Model):
__tablename__ = 'table_a'
__table_args__ = (db.UniqueConstraint('a', 'b', name='table_a_a_b_unique'))
id = db.Column(db.Integer, primary_key=True)
a = db.Column(db.Integer)
b = db.Column(db.Integer)
c = db.Column(db.Integer)其中 id 是自增主键，a, b 组成了唯一索引。那么对应的 upsert 语句如下：
from sqlalchemy.dialects.mysql import insert
insert(TableA).values(a=1, b=2, c=3).on_duplicate_key_update(c=3)复用数值
跟 SQL 语句类似，我们可以不用每次都重复填写 insert 和 update 的数值：
update_keys = ['c']
insert_stmt = insert(table_cls).values(a=1, b=2, c=3)
update_columns = {x.name: x for x in insert_stmt.inserted if x.name in update_keys}
upsert_stmt = insert_stmt.on_duplicate_key_update(**update_columns)
db.session.execute(upsert_stmt)注意，最后一句 on_duplicate_key_update 的参数是需要展开的，不接受 dict 作为参数
批量处理
同样，insert 语句是支持传一组数据作为参数的：
records = [{
'a':1,
'b':2,
'c':3
},{
'a':10,
'b':20,
'c':4
},{
'a':20,
'b':30,
'c':5
}]
update_keys = ['c']
insert_stmt = insert(table_cls).values(records)
update_columns = {x.name: x for x in insert_stmt.inserted if x.name in update_keys}
upsert_stmt = insert_stmt.on_duplicate_key_update(**update_columns)
db.session.execute(upsert_stmt)就可以实现整体的 upsert。
封装
观察上面的代码，实际上 upsert 的部分是业务无关的，那么就可以封装一个更方便调用的通用函数了：
from sqlalchemy.dialects.mysql import insert
def upsert(table_cls, records, except_cols_on_update=[]):
update_keys = [key for key in records[0].keys() if
key not in except_cols_on_update]
insert_stmt = insert(table_cls).values(chunk)
update_columns = {x.name: x for x in insert_stmt.inserted if x.name in update_keys}
upsert_stmt = insert_stmt.on_duplicate_key_update(**update_columns)
db.session.execute(upsert_stmt)分批次生成
以上的封装，还可以做一些改进：为避免records 数据集过大，可以分批执行 sql 语句，并通过参数决定是否要提交：
from sqlalchemy.dialects.mysql import insert
def upsert(table_cls, records, chunk_size=10000, commit_on_chunk=True, except_cols_on_update=[]):
update_keys = [key for key in records[0].keys() if
key not in except_cols_on_update]
for i in range(0, len(records), chunk_size):
chunk = records[i:i + chunk_size]
insert_stmt = insert(table_cls).values(chunk)
update_columns = {x.name: x for x in insert_stmt.inserted if x.name in update_keys}
upsert_stmt = insert_stmt.on_duplicate_key_update(**update_columns)
db.session.execute(upsert_stmt)
if commit_on_chunk:
db.session.commit()调用方式如下 ：
upsert(TableA, records,
chunk_size=50000,
commit_on_chunk=True,
except_cols_on_update=['id', 'a', 'b'])
这时 records 可以数量很大，比如1千万条，调用后每 5 万条生成一条 sql 语句，并且执行后就commit（如果参数 commit_on_chunk = False，那么函数内就一直不提交，可以结束后自行统一提交），update 语句中，避免更新 'id', 'a', 'b' 这三个字段。
我的语雀原文链接