insert into(select值1，值2,.);

sql语句中，添加记录的语法为：insert into 表名 （col1，col2....coln）values(value1,value2.....valuen)；

其中，如果你插入的每一列都是顺序插入，无一缺漏的话，（col1，col2...coln）可以省略。

也就是上式也可以简化为：insert into 表名 values(value1,value2.....valuen)；

看了你写的sql代码，问题出在insert into 的整体语句出现在了不该出现的地方，只需做一点小改动即可解决，如下图：

解析：insert into语句需要在user表已经存在的情况下才可以使用。而你原来的语句中，将上图2中的语句插入到了create table user的语句中，致使create table user 语句未能成功执行，所以才会报错。

而将“INSERT INTO user(uid,tel) values('甲','3354986')”整条语句直接拿出来放在“ENGINE=InnoDB DEFAULT CHARSET=gbk”后面之后，整个sql就可以顺利执行了。

扩展资料：

当mysql大批量插入数据的时候就会变的非常慢, mysql提高insert into 插入速度的方法有三种:

1、第一种插入提速方法:

如果数据库中的数据已经很多(几百万条), 那么可以 加大mysql配置中的 bulk_insert_buffer_size，这个参数默认为8M

举例：bulk_insert_buffer_size=100M；

2、第二种mysql插入提速方法:

改写所有 insert into 语句为 insert delayed into

这个insert delayed不同之处在于：立即返回结果，后台进行处理插入。

3、第三个方法: 一次插入多条数据:

insert中插入多条数据，举例:

insert into table values('11','11'),('22','22'),('33','33')...

在已有的 MySQL 服务器之上使用 Apache Spark （无需将数据导出到 Spark 或者 Hadoop 平台上），这样至少可以提升 10 倍的查询性能。使用多个 MySQL 服务器（复制或者 Percona XtraDB Cluster）可以让我们在某些查询上得到额外的性能提升。你也可以使用 Spark 的缓存功能来缓存整个 MySQL 查询结果表。

思路很简单：Spark 可以通过 JDBC 读取 MySQL 上的数据，也可以执行 SQL 查询，因此我们可以直接连接到 MySQL 并执行查询。那么为什么速度会快呢？对一些需要运行很长时间的查询（如报表或者BI），由于 Spark 是一个大规模并行系统，因此查询会非常的快。MySQL 只能为每一个查询分配一个 CPU 核来处理，而 Spark 可以使用所有集群节点的所有核。在下面的例子中，我们会在 Spark 中执行 MySQL 查询，这个查询速度比直接在 MySQL 上执行速度要快 5 到 10 倍。

另外，Spark 可以增加“集群”级别的并行机制，在使用 MySQL 复制或者 Percona XtraDB Cluster 的情况下，Spark 可以把查询变成一组更小的查询（有点像使用了分区表时可以在每个分区都执行一个查询），然后在多个 Percona XtraDB Cluster 节点的多个从服务器上并行的执行这些小查询。最后它会使用map/reduce 方式将每个节点返回的结果聚合在一起形成完整的结果。

---