数据库DML操作详解：增删改查实战与优化-代码聚汇网

数据库DML操作详解：增删改查实战与优化

Pinxian Li·2026-08-09·阅读 22 GEO检测（免费）

DMLSQL数据库操作

|难度：普通|阅读约 11 分钟

1. 数据操作语言DML的本质与定位

DML（Data Manipulation Language）是数据库系统中用于增删改查数据的核心指令集合。与DDL（数据定义语言）操作表结构不同，DML直接作用于数据记录本身。在实际业务场景中，开发人员90%的数据库交互都通过DML完成。典型的DML操作包括：

INSERT：向表中插入新记录
UPDATE：修改现有记录
DELETE：删除指定记录
SELECT：查询数据（虽然不改变数据状态，但被普遍归类为DML）

注意：不同数据库系统对DML的具体实现存在差异。例如MySQL的REPLACE语句、PostgreSQL的RETURNING子句等都属于各自特有的DML扩展语法。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 四大基础DML操作详解

2.1 INSERT语句的实战技巧

基础语法示例：

sql复制INSERT INTO users (id, name, email) 
VALUES (1, '张三', 'zhangsan@example.com');

高级用法包括：

批量插入：INSERT INTO table VALUES (v1), (v2), (v3)...
从查询结果插入：INSERT INTO table1 SELECT * FROM table2
忽略重复键：INSERT IGNORE INTO...（MySQL特有）

避坑指南：当插入包含外键约束的数据时，必须先确保关联表中存在对应主键值，否则会触发约束违规错误。

2.2 UPDATE语句的精准控制

标准更新语法：

sql复制UPDATE products 
SET price = price * 0.9 
WHERE category = 'electronics';

关键注意事项：

必须使用WHERE子句限定范围，否则会更新全表
多列更新用逗号分隔：SET col1=v1, col2=v2...
可以使用子查询作为新值来源

2.3 DELETE语句的风险防范

基础删除操作：

sql复制DELETE FROM logs 
WHERE create_time < '2023-01-01';

生产环境建议：

先执行SELECT确认影响范围再删除
重要数据采用逻辑删除（添加is_deleted标记）
大表删除分批进行避免锁表

2.4 SELECT查询的艺术

虽然SELECT不修改数据，但作为最频繁使用的DML操作，其优化直接影响系统性能。核心要点包括：

只查询需要的列，避免SELECT *
合理使用索引字段作为WHERE条件
多表连接时注意关联字段类型匹配

3. 事务环境下的DML操作

3.1 ACID特性保障

在事务中执行DML时，数据库通过以下机制确保数据一致性：

sql复制START TRANSACTION;
UPDATE accounts SET balance = balance - 100 WHERE user_id = 1;
UPDATE accounts SET balance = balance + 100 WHERE user_id = 2;
COMMIT;

3.2 隔离级别的影响

不同隔离级别下DML行为的差异：

读未提交：可能读到其他事务未提交的修改
读已提交：只能看到已提交的数据（Oracle/PostgreSQL默认）
可重复读：同一事务内多次读取结果一致（MySQL默认）
串行化：完全隔离，性能影响最大

4. 高级DML技术解析

4.1 MERGE/UPSERT操作

合并插入更新操作（标准SQL:2003引入）：

sql复制MERGE INTO target_table t
USING source_table s
ON t.id = s.id
WHEN MATCHED THEN UPDATE SET t.col = s.col
WHEN NOT MATCHED THEN INSERT (id, col) VALUES (s.id, s.col);

各数据库实现差异：

MySQL: INSERT ... ON DUPLICATE KEY UPDATE
PostgreSQL: INSERT ... ON CONFLICT DO UPDATE
Oracle: 直接支持MERGE语法

4.2 基于CTE的DML操作

使用公共表表达式增强DML可读性：

sql复制WITH inactive_users AS (
    SELECT user_id FROM logins WHERE last_login < NOW() - INTERVAL '1 year'
)
DELETE FROM users WHERE id IN (SELECT user_id FROM inactive_users);

4.3 返回修改后的数据

部分数据库支持DML操作后直接返回受影响数据：

sql复制-- PostgreSQL示例
UPDATE products SET stock = stock - 1 
WHERE id = 123 
RETURNING id, name, stock;

5. 性能优化关键策略

5.1 批量操作代替循环

错误做法：

python复制# 伪代码：逐条插入效率低下
for item in data_list:
    cursor.execute("INSERT INTO table VALUES (%s)", item)

正确做法：

python复制# 使用批量插入
cursor.executemany("INSERT INTO table VALUES (%s)", data_list)

5.2 合理使用预处理语句

预处理语句不仅能防止SQL注入，还能提升重复DML性能：

java复制// Java示例
PreparedStatement ps = conn.prepareStatement(
    "UPDATE employees SET salary = ? WHERE id = ?");
ps.setBigDecimal(1, newSalary);
ps.setInt(2, empId);
ps.executeUpdate();

5.3 索引设计原则

针对DML操作的索引优化：

WHERE条件中的高频字段建索引
避免过度索引影响INSERT/UPDATE速度
定期分析索引使用情况

6. 各数据库DML特性对比

特性	MySQL 8.0	PostgreSQL 15	Oracle 19c
UPSERT实现	ON DUPLICATE KEY UPDATE	ON CONFLICT DO UPDATE	MERGE
RETURNING子句	不支持	支持	支持
批量插入性能	优	优	良
分区表DML支持	完整	完整	完整
JSON数据操作	支持	强大支持	支持

7. 生产环境最佳实践

变更管理流程：
- 所有DML脚本必须纳入版本控制
- 生产环境执行需经过审批
- 重要操作前备份相关数据

监控与审计：

sql复制-- 开启MySQL的DML审计
SET GLOBAL general_log = 'ON';
SET GLOBAL log_output = 'TABLE';

异常处理模式：

python复制try:
    with connection.cursor() as cursor:
        cursor.execute("DELETE FROM temp_data WHERE expire_date < NOW()")
        connection.commit()
except Exception as e:
    connection.rollback()
    logger.error(f"DML操作失败: {str(e)}")

在实际项目中，我发现很多性能问题都源于不当的DML使用模式。比如最近优化过一个案例：原本需要2小时的报表生成作业，通过将数万次单行INSERT改为批量操作，并调整事务提交频率，最终缩短到8分钟完成。这提醒我们，掌握DML的底层原理和数据库特性，往往能带来意想不到的优化效果。