Postgres: INSERTAR si aún no existe

Estoy usando Python para escribir en una base de datos postgres:

sql_string = "INSERT INTO hundred (name,name_slug,status) VALUES ("
sql_string += hundred + ", '" + hundred_slug + "', " + status + ");"
cursor.execute(sql_string)

Pero debido a que algunas de mis filas son idénticas, aparece el siguiente error:

psycopg2.IntegrityError: duplicate key value  
  violates unique constraint "hundred_pkey"

¿Cómo puedo escribir una instrucción SQL 'INSERT a menos que esta fila ya exista'?

He visto declaraciones complejas como esta recomendadas:

IF EXISTS (SELECT * FROM invoices WHERE invoiceid = '12345')
UPDATE invoices SET billed = 'TRUE' WHERE invoiceid = '12345'
ELSE
INSERT INTO invoices (invoiceid, billed) VALUES ('12345', 'TRUE')
END IF

Pero, en primer lugar, ¿es esto excesivo para lo que necesito y, en segundo lugar, cómo puedo ejecutar uno de esos como una cadena simple?

Postgres 9.5 (lanzado desde 2016-01-07) ofrece un comando "upsert" , también conocido como una cláusula ON CONFLICT para INSERTAR :

INSERT ... ON CONFLICT DO NOTHING/UPDATE

Resuelve muchos de los problemas sutiles con los que se puede encontrar al usar la operación concurrente, que algunas otras respuestas proponen.

¿Cómo puedo escribir una instrucción SQL 'INSERT a menos que esta fila ya exista'?

Hay una buena manera de hacer INSERT condicional en PostgreSQL:

INSERT INTO example_table
    (id, name)
SELECT 1, 'John'
WHERE
    NOT EXISTS (
        SELECT id FROM example_table WHERE id = 1
    );

Sin embargo, este enfoque no es 100% confiable para operaciones de escritura concurrentes . Hay una condición de carrera muy pequeña entre SELECTel NOT EXISTSanti-semi-join y el INSERTpropio. Se puede fallar bajo tales condiciones.

Un enfoque sería crear una tabla no restringida (sin índices únicos) para insertar todos sus datos y hacer una selección distinta de esa para hacer su inserción en su tabla cien.

Tan alto nivel sería. Supongo que las tres columnas son distintas en mi ejemplo, por lo que para el paso 3, cambie la unión NO SALIR para unir solo en las columnas únicas en la tabla cien.

1. Crear tabla temporal. Ver documentos aquí .

   CREATE TEMPORARY TABLE temp_data(name, name_slug, status);

2. INSERTAR datos en la tabla temporal.

   INSERT INTO temp_data(name, name_slug, status); 

3. Agregue cualquier índice a la tabla temporal.

4. Hacer la inserción de la mesa principal.

   INSERT INTO hundred(name, name_slug, status) 
       SELECT DISTINCT name, name_slug, status
       FROM hundred
       WHERE NOT EXISTS (
           SELECT 'X' 
           FROM temp_data
           WHERE 
               temp_data.name          = hundred.name
               AND temp_data.name_slug = hundred.name_slug
               AND temp_data.status    = status
       );

Por desgracia, PostgreSQLsoportes ni MERGEtampoco ON DUPLICATE KEY UPDATE, por lo que tendrá que hacerlo en dos estados:

UPDATE  invoices
SET     billed = 'TRUE'
WHERE   invoices = '12345'

INSERT
INTO    invoices (invoiceid, billed)
SELECT  '12345', 'TRUE'
WHERE   '12345' NOT IN
        (
        SELECT  invoiceid
        FROM    invoices
        )

Puedes envolverlo en una función:

CREATE OR REPLACE FUNCTION fn_upd_invoices(id VARCHAR(32), billed VARCHAR(32))
RETURNS VOID
AS
$$
        UPDATE  invoices
        SET     billed = $2
        WHERE   invoices = $1;

        INSERT
        INTO    invoices (invoiceid, billed)
        SELECT  $1, $2
        WHERE   $1 NOT IN
                (
                SELECT  invoiceid
                FROM    invoices
                );
$$
LANGUAGE 'sql';

y solo llámalo:

SELECT  fn_upd_invoices('12345', 'TRUE')

Puede hacer uso de VALUES - disponible en Postgres:

INSERT INTO person (name)
    SELECT name FROM person
    UNION 
    VALUES ('Bob')
    EXCEPT
    SELECT name FROM person;

Sé que esta pregunta es de hace un tiempo, pero pensé que podría ayudar a alguien. Creo que la forma más fácil de hacerlo es a través de un disparador. P.ej:

Create Function ignore_dups() Returns Trigger
As $$
Begin
    If Exists (
        Select
            *
        From
            hundred h
        Where
            -- Assuming all three fields are primary key
            h.name = NEW.name
            And h.hundred_slug = NEW.hundred_slug
            And h.status = NEW.status
    ) Then
        Return NULL;
    End If;
    Return NEW;
End;
$$ Language plpgsql;

Create Trigger ignore_dups
    Before Insert On hundred
    For Each Row
    Execute Procedure ignore_dups();

Ejecute este código desde un indicador de psql (o como quiera ejecutar consultas directamente en la base de datos). Luego puede insertar de forma normal desde Python. P.ej:

sql = "Insert Into hundreds (name, name_slug, status) Values (%s, %s, %s)"
cursor.execute(sql, (hundred, hundred_slug, status))

Tenga en cuenta que, como @Thomas_Wouters ya mencionó, el código anterior aprovecha los parámetros en lugar de concatenar la cadena.

Hay una buena manera de hacer INSERT condicional en PostgreSQL usando la consulta WITH: como:

WITH a as(
select 
 id 
from 
 schema.table_name 
where 
 column_name = your_identical_column_value
)
INSERT into 
 schema.table_name
(col_name1, col_name2)
SELECT
    (col_name1, col_name2)
WHERE NOT EXISTS (
     SELECT
         id
     FROM
         a
        )
  RETURNING id 

Este es exactamente el problema que enfrento y mi versión es la 9.5

Y lo resuelvo con la consulta SQL a continuación.

INSERT INTO example_table (id, name)
SELECT 1 AS id, 'John' AS name FROM example_table
WHERE NOT EXISTS(
            SELECT id FROM example_table WHERE id = 1
    )
LIMIT 1;

Espero que ayude a alguien que tiene el mismo problema con la versión> = 9.5.

Gracias por leer.

INSERTAR .. DONDE NO EXISTE es un buen enfoque. Y las condiciones de carrera se pueden evitar mediante la transacción "sobre":

BEGIN;
LOCK TABLE hundred IN SHARE ROW EXCLUSIVE MODE;
INSERT ... ;
COMMIT;

Es fácil con las reglas:

CREATE RULE file_insert_defer AS ON INSERT TO file
WHERE (EXISTS ( SELECT * FROM file WHERE file.id = new.id)) DO INSTEAD NOTHING

Pero falla con escrituras concurrentes ...

El enfoque con la mayoría de los votos positivos (de John Doe) de alguna manera funciona para mí, pero en mi caso de las 422 filas esperadas, obtengo solo 180. No pude encontrar nada malo y no hay ningún error, así que busqué otro Enfoque simple.

Usar IF NOT FOUND THENafter a SELECTjust me funciona perfectamente.

(descrito en la documentación de PostgreSQL )

Ejemplo de documentación:

SELECT * INTO myrec FROM emp WHERE empname = myname;
IF NOT FOUND THEN
  RAISE EXCEPTION 'employee % not found', myname;
END IF;

La clase de cursor psycopgs tiene el atributo rowcount .

Este atributo de solo lectura especifica el número de filas que la última ejecución * () produjo (para sentencias DQL como SELECT) o afectadas (para sentencias DML como UPDATE o INSERT).

Por lo tanto, puede intentar ACTUALIZAR primero e INSERTAR solo si el recuento de filas es 0.

Pero dependiendo de los niveles de actividad en su base de datos, puede alcanzar una condición de carrera entre ACTUALIZAR e INSERTAR, donde otro proceso puede crear ese registro mientras tanto.

Su columna "cien" parece estar definida como clave principal y, por lo tanto, debe ser única, lo que no es el caso. El problema no es con sus datos.

Le sugiero que inserte una identificación como tipo de serie para manejar la clave primaria.

Si dice que muchas de sus filas son idénticas, finalizará la comprobación muchas veces. Puede enviarlos y la base de datos determinará si lo inserta o no con la cláusula ON CONFLICT de la siguiente manera

  INSERT INTO Hundred (name,name_slug,status) VALUES ("sql_string += hundred  
  +",'" + hundred_slug + "', " + status + ") ON CONFLICT ON CONSTRAINT
  hundred_pkey DO NOTHING;" cursor.execute(sql_string);

Estaba buscando una solución similar, tratando de encontrar SQL que funcione en PostgreSQL y HSQLDB. (HSQLDB fue lo que hizo esto difícil). Usando su ejemplo como base, este es el formato que encontré en otro lugar.

sql = "INSERT INTO hundred (name,name_slug,status)"
sql += " ( SELECT " + hundred + ", '" + hundred_slug + "', " + status
sql += " FROM hundred"
sql += " WHERE name = " + hundred + " AND name_slug = '" + hundred_slug + "' AND status = " + status
sql += " HAVING COUNT(*) = 0 );"

Aquí hay una función genérica de Python que, dado un nombre de tabla, columnas y valores, genera el equivalente upsert para postgresql.

importar json

def upsert(table_name, id_column, other_columns, values_hash):

    template = """
    WITH new_values ($$ALL_COLUMNS$$) as (
      values
         ($$VALUES_LIST$$)
    ),
    upsert as
    (
        update $$TABLE_NAME$$ m
            set
                $$SET_MAPPINGS$$
        FROM new_values nv
        WHERE m.$$ID_COLUMN$$ = nv.$$ID_COLUMN$$
        RETURNING m.*
    )
    INSERT INTO $$TABLE_NAME$$ ($$ALL_COLUMNS$$)
    SELECT $$ALL_COLUMNS$$
    FROM new_values
    WHERE NOT EXISTS (SELECT 1
                      FROM upsert up
                      WHERE up.$$ID_COLUMN$$ = new_values.$$ID_COLUMN$$)
    """

    all_columns = [id_column] + other_columns
    all_columns_csv = ",".join(all_columns)
    all_values_csv = ','.join([query_value(values_hash[column_name]) for column_name in all_columns])
    set_mappings = ",".join([ c+ " = nv." +c for c in other_columns])

    q = template
    q = q.replace("$$TABLE_NAME$$", table_name)
    q = q.replace("$$ID_COLUMN$$", id_column)
    q = q.replace("$$ALL_COLUMNS$$", all_columns_csv)
    q = q.replace("$$VALUES_LIST$$", all_values_csv)
    q = q.replace("$$SET_MAPPINGS$$", set_mappings)

    return q


def query_value(value):
    if value is None:
        return "NULL"
    if type(value) in [str, unicode]:
        return "'%s'" % value.replace("'", "''")
    if type(value) == dict:
        return "'%s'" % json.dumps(value).replace("'", "''")
    if type(value) == bool:
        return "%s" % value
    if type(value) == int:
        return "%s" % value
    return value


if __name__ == "__main__":

    my_table_name = 'mytable'
    my_id_column = 'id'
    my_other_columns = ['field1', 'field2']
    my_values_hash = {
        'id': 123,
        'field1': "john",
        'field2': "doe"
    }
    print upsert(my_table_name, my_id_column, my_other_columns, my_values_hash)

La solución es simple, pero no inmediata.
Si desea utilizar esta instrucción, debe hacer un cambio en la base de datos:

ALTER USER user SET search_path to 'name_of_schema';

después de estos cambios "INSERTAR" funcionará correctamente.