使用DataPump的Sample参数来进行数据抽样

最新推荐文章于 2024-06-13 09:00:30 发布
最新推荐文章于 2024-06-13 09:00:30 发布
阅读量153 收藏
点赞数
文章标签： 数据库 大数据

 

数据泵Datapump是Oracle推出的一项非常方便的数据逻辑备份还原工具。同传统的Exp/Imp相比，Datapump无论在性能、功能上都提供了很多优势进步。在实际工作中，大数据抽样是一个经常出现的业务需求。对一个海量数据表，也许抽取有代表性的数据量就可以完成相应工作。

 

在select语句中，我们的确可以使用sample语句去实现对应的一些功能。借助Datapump，我们也可以实现采样方式的数据表备份处理。

 

1、环境说明

 

我们选择Oracle 11gR2进行测试实验，具体版本为11.2.0.4。

 

 

SQL> select * from v$version;

 

BANNER

--------------------------------------------------------------------------------

Oracle Database 11g Enterprise Edition Release 11.2.0.4.0 - 64bit Production

PL/SQL Release 11.2.0.4.0 - Production

CORE     11.2.0.4.0     Production

 

TNS for Linux: Version 11.2.0.4.0 - Production

NLSRTL Version 11.2.0.4.0 – Production

 

 

创建数据表SM_TEST。

 

 

SQL> create table scott.sm_test as select * from dba_objects;

Table created

 

SQL> select count(*) from scott.sm_test;

  COUNT(*)

----------

133391

 

 

2、测试实验

 

对Expdp的Sample参数，官方的解释是很少的。

 

 

SAMPLE

Percentage of data to be exported.

 

 

Datapump是可以工作在三个模式下，全库模式、Schema模式和表模式。针对三种模式，我们都可以使用Sample参数来进行设置。下面通过最简单的比例值指定来设置采样比例。

 

 

[oracle@localhost ~]$ expdp \"/ as sysdba\" dumpfile=TEST_1.dmp tables=scott.sm_test sample=50

 

Export: Release 11.2.0.4.0 - Production on Mon Nov 23 13:50:02 2015

 

Copyright (c) 1982, 2011, Oracle and/or its affiliates.  All rights reserved.

 

Connected to: Oracle Database 11g Enterprise Edition Release 11.2.0.4.0 - 64bit Production

With the Partitioning, OLAP, Data Mining and Real Application Testing options

Starting "SYS"."SYS_EXPORT_TABLE_01":  "/******** AS SYSDBA" dumpfile=TEST_1.dmp tables=scott.sm_test sample=50

Estimate in progress using BLOCKS method...

Processing object type TABLE_EXPORT/TABLE/TABLE_DATA

Total estimation using BLOCKS method: 8 MB

Processing object type TABLE_EXPORT/TABLE/TABLE

. . exported "SCOTT"."SM_TEST"                           6.402 MB   66587 rows

Master table "SYS"."SYS_EXPORT_TABLE_01" successfully loaded/unloaded

******************************************************************************

Dump file set for SYS.SYS_EXPORT_TABLE_01 is:

  /u01/app/admin/sicsdb/dpdump/TEST_1.dmp

Job "SYS"."SYS_EXPORT_TABLE_01" successfully completed at Mon Nov 23 13:50:11 2015 elapsed 0 00:00:07

 

 

指定导出的数据表名称的表模式中，我们通过sample的百分比参数，来确定特定表的内容。从导出数据6万左右的情况，正好是13万总数据的50%，是合理的结果。

 

如果运行在schema工作模式下，直接指定比例份额，结果如何呢？

 

 

SQL> select count(*) from scott.emp;

 

  COUNT(*)

----------

        14

 

 

[oracle@localhost ~]$ expdp \"/ as sysdba\" dumpfile=TEST_2.dmp schemas=scott sample=50

 

Export: Release 11.2.0.4.0 - Production on Mon Nov 23 13:51:31 2015

 

Copyright (c) 1982, 2011, Oracle and/or its affiliates.  All rights reserved.

 

Connected to: Oracle Database 11g Enterprise Edition Release 11.2.0.4.0 - 64bit Production

With the Partitioning, OLAP, Data Mining and Real Application Testing options

Starting "SYS"."SYS_EXPORT_SCHEMA_01":  "/******** AS SYSDBA" dumpfile=TEST_2.dmp schemas=scott sample=50

Estimate in progress using BLOCKS method...

Processing object type SCHEMA_EXPORT/TABLE/TABLE_DATA

Total estimation using BLOCKS method: 8.093 MB

Processing object type SCHEMA_EXPORT/USER

Processing object type SCHEMA_EXPORT/SYSTEM_GRANT

Processing object type SCHEMA_EXPORT/ROLE_GRANT

Processing object type SCHEMA_EXPORT/DEFAULT_ROLE

Processing object type SCHEMA_EXPORT/PRE_SCHEMA/PROCACT_SCHEMA

Processing object type SCHEMA_EXPORT/TABLE/TABLE

Processing object type SCHEMA_EXPORT/TABLE/GRANT/OWNER_GRANT/OBJECT_GRANT

Processing object type SCHEMA_EXPORT/TABLE/INDEX/INDEX

Processing object type SCHEMA_EXPORT/TABLE/CONSTRAINT/CONSTRAINT

Processing object type SCHEMA_EXPORT/TABLE/INDEX/STATISTICS/INDEX_STATISTICS

Processing object type SCHEMA_EXPORT/VIEW/VIEW

Processing object type SCHEMA_EXPORT/TABLE/CONSTRAINT/REF_CONSTRAINT

Processing object type SCHEMA_EXPORT/TABLE/STATISTICS/TABLE_STATISTICS

. . exported "SCOTT"."SM_TEST"                           6.406 MB   66611 rows

. . exported "SCOTT"."DEPT"                              5.859 KB       1 rows

. . exported "SCOTT"."EMP"                               8.359 KB       9 rows

. . exported "SCOTT"."SALGRADE"                          5.835 KB       3 rows

. . exported "SCOTT"."BONUS"                                 0 KB       0 rows

Master table "SYS"."SYS_EXPORT_SCHEMA_01" successfully loaded/unloaded

******************************************************************************

Dump file set for SYS.SYS_EXPORT_SCHEMA_01 is:

  /u01/app/admin/sicsdb/dpdump/TEST_2.dmp

Job "SYS"."SYS_EXPORT_SCHEMA_01" successfully completed at Mon Nov 23 13:51:48 2015 elapsed 0 00:00:16

 

 

采样比例在Schema下所有数据表范围内生效，所有数据表基本上以50%的比例进行采样处理。

 

最后，如果我们导出多张数据表，只对某些数据表进行采样处理，那么如何指定sample参数呢？

 

 

[oracle@localhost ~]$ expdp \"/ as sysdba\" dumpfile=TEST_3.dmp schemas=scott sample=scott.sm_test:30

 

Export: Release 11.2.0.4.0 - Production on Mon Nov 23 13:52:50 2015

 

Copyright (c) 1982, 2011, Oracle and/or its affiliates.  All rights reserved.

 

Connected to: Oracle Database 11g Enterprise Edition Release 11.2.0.4.0 - 64bit Production

With the Partitioning, OLAP, Data Mining and Real Application Testing options

Starting "SYS"."SYS_EXPORT_SCHEMA_01":  "/******** AS SYSDBA" dumpfile=TEST_3.dmp schemas=scott sample=scott.sm_test:30

Estimate in progress using BLOCKS method...

Processing object type SCHEMA_EXPORT/TABLE/TABLE_DATA

Total estimation using BLOCKS method: 4.987 MB

Processing object type SCHEMA_EXPORT/USER

Processing object type SCHEMA_EXPORT/SYSTEM_GRANT

Processing object type SCHEMA_EXPORT/ROLE_GRANT

Processing object type SCHEMA_EXPORT/DEFAULT_ROLE

Processing object type SCHEMA_EXPORT/PRE_SCHEMA/PROCACT_SCHEMA

Processing object type SCHEMA_EXPORT/TABLE/TABLE

Processing object type SCHEMA_EXPORT/TABLE/GRANT/OWNER_GRANT/OBJECT_GRANT

Processing object type SCHEMA_EXPORT/TABLE/INDEX/INDEX

Processing object type SCHEMA_EXPORT/TABLE/CONSTRAINT/CONSTRAINT

Processing object type SCHEMA_EXPORT/TABLE/INDEX/STATISTICS/INDEX_STATISTICS

Processing object type SCHEMA_EXPORT/VIEW/VIEW

Processing object type SCHEMA_EXPORT/TABLE/CONSTRAINT/REF_CONSTRAINT

Processing object type SCHEMA_EXPORT/TABLE/STATISTICS/TABLE_STATISTICS

. . exported "SCOTT"."SM_TEST"                           3.861 MB   40146 rows

. . exported "SCOTT"."DEPT"                              5.960 KB       5 rows

. . exported "SCOTT"."EMP"                               8.562 KB      14 rows

. . exported "SCOTT"."SALGRADE"                          5.859 KB       5 rows

. . exported "SCOTT"."BONUS"                                 0 KB       0 rows

Master table "SYS"."SYS_EXPORT_SCHEMA_01" successfully loaded/unloaded

******************************************************************************

Dump file set for SYS.SYS_EXPORT_SCHEMA_01 is:

  /u01/app/admin/sicsdb/dpdump/TEST_3.dmp

Job "SYS"."SYS_EXPORT_SCHEMA_01" successfully completed at Mon Nov 23 13:53:00 2015 elapsed 0 00:00:09

 

 

从上面实验中，如果只是针对特定数据表进行采样处理，需要通过数据表名:采样比例方式来指定。

 

3、结论

 

根据笔者的猜测，sample参数在expdp中主要是传导到select语句的sample语句来实现。

 

 


来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/17203031/viewspace-1844553/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/17203031/viewspace-1844553/

ciqu9915
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用DataPump进行MySQL数据抽样
VcyReact的博客
10-03 31
其中，–user参数用于指定数据库用户，–password参数用于指定密码，–host参数用于指定主机地址，–port参数用于指定端口号。–where参数用于指定抽样的条件，这里我们使用"1 limit 10%"表示抽取10%的数据样本。本文将介绍如何使用DataPump的Sample参数来进行数据抽样，并提供相应的源代码示例。根据实际需求，可以调整抽样的行数或百分比来满足特定的要求。执行以上命令后，DataPump将在指定的数据库和表中执行抽样操作，并将结果导出到sample_data.sql文件中。
python使用pandas抽样训练数据中某个类别实例
09-17
本文将详细介绍如何使用Pandas在训练数据中对某个特定类别进行抽样，以便于数据预处理和模型训练。 首先，我们需要导入所需的库，如Pandas、NumPy、Scikit-learn等。在给出的代码片段中，可以看到导入了`pandas`、`...
【11g】45 DBMS_DATAPUMP
viviliving的专栏
10-08 975
45DBMS_DATAPUMP ：DBMS_DATAPUMP包用于在数据库之间移动数据库的全部或部分，包括数据和元数据. See Also: Oracle Database Utilities有关DBMS_DATAPUMP API背后的概念、它如何工作以及如何在数据泵导出和导入实用程序中实现的更多信息 This chapter contains the following topics...
数据泵导出导入
cldh1492的博客
02-01 1186
出于许多原因，我们期望从某个数据库中提取大量数据以及关联的对象定义，并且采用一种更容易的方式将这些数据载入到另一个数据库中。备份就是其中一个重要原因，另外可能需要在生产与测试环境之间或联机系统与数据仓库之间转移数据。数据泵D...
【数据挖掘】EDA——以2022雪浪算力开发者大赛数据为例
destiny_balabala的博客
02-25 514
2022雪浪算力开发者大赛数据EDA
小麦苗的常用代码--常用命令(仅限自己使用)
小麦苗DBA宝典
07-20 3134
小麦苗的常用代码--常用命令(仅限自己使用) 囗 ■ ☑ ● • · ◆ ※ ☆ ★ ⊙ √ → innobackupex--help -? -h help=y sy...
expdp和impdp参数介绍
zhuomingwang的专栏
06-30 905
数据泵导出导入(EXPDP和IMPDP)的作用 1,实现逻辑备份和逻辑恢复.2,在数据库用户之间移动对象.3,在数据库之间移动对象4,实现表空间搬移.  数据泵导出导入与传统导出导入的区别在10g之前,传统的导出和导入分别使用EXP工具和IMP工具,从10g开始,不仅保留了原有的EXP和IMP工具,还提供了数据泵导出导入工具EXPDP和IMPDP.使用EXPDP
ORACLE的数据段压缩技术
conglunjie1621的博客
08-22 310
ORACLE的数据段压缩技术 1. 引言 作为DBA，空间的紧张是常遇到的一个问题，有时一个大的表就会占用几十GB及至上百GB的空间，存储历史数据的表常常都是这样，特别是数据仓库型应用（如经营分析应用）的数据库这样的...
expdp导出 schema_exp/expdp 与 imp/impdp命令导入导出数据库详解
weixin_39951929的博客
12-18 1160
一、exp命令导出数据库如何使exp的帮助以不同的字符集显示：set nls_lang=simplified chinese_china.zhs16gbk，通过设置环境变量，可以让exp的帮助以中文显示，如果set nls_lang=American_america.字符集，那么帮助就是英文的了。参数：1.1 导出用户全部数据exp 登录名称/用户密码@服务命名 FILE=文件存储的路径以及名称...
Oracle用户管理和备份
weixin_45716108的博客
11-30 493
开启服务： su - oracle lsnrctl start sqlplus /nolog conn /as sysdba startup 关闭服务： su - oracle sqlplus /nolog conn /as sysdba shutdown abort startup restrict shutdown List item quit lsnrctl stop 创建用户： 查看用户表空间放置的位置： select status,fuzzy,tablespace_name,name
RS232-Data-Sample.zip_labview保存数据
07-14
可实现RS232数据通信，数据采集，数据保存，数据回放功能。
使用 SAP Data Warehouse Cloud 进行数据获取、准备和建模.pdf
03-04
最后，用户可以使用 SAP Data Warehouse Cloud 的数据建模工具来对数据进行建模和分析。数据建模工具允许用户对数据进行建模和分析，以满足业务智能和数据分析需求。用户可以使用数据建模工具来创建数据模型，并对其...
salem-sample-data.zip
08-18
精品数据集，用作研究和毕设使用
【redis的基本数据类型】
最新发布
m0_50116974的博客
06-13 601
压缩列表的基本信息包括压缩列表的大小，压缩列表的长度以及最后一个entry的偏移，之所以要有这个偏移，是为了找到最后一个entry,而每个entry都记录上一个元素的大小，通过计算就知道上一个entry的地址，这样方便的从后向前进行遍历。的结构，其分为两部分，8字节的Redis对象元数据信息，8字节的指针，其中Redis对象的元数据信息存储了类型的LRU信息，真正的编码格式等等，而如果字符串存储的是数字类型，则复用了8字节的指针的位置。的操作，但是当列表的元素非常少的时候，其内部使用。
Spring Security实现用户认证四：使用JWT与Redis实现无状态认证
不做菜虚困的博客
06-12 799
在基本的通信流程中，我们一般采用Session去存储用户的认证状态。在Spring Security实现用户认证三中讲过，在拿到前端传输过来的用户名和密码之后，会有专门的过滤器处理这部分的需求，并且对认证成功的用户生成Token且存储在Session中。在下次发起请求时，直接从Session中取出同用户名的token进行密码哈希的比较要认证用户。对于无状态认证，则我们的认证不依赖与服务器端存储的Session的状态。所以无状态认证需要我们每次从前端传输一个包含完整认证信息的Token到服务器端进行自定义的认
canal应用
qq_33816292的博客
06-12 167
canal分享模块链接。
【pytest】parametrize获取参数的几种常用形式
weixin_40482973的博客
06-12 353
【代码】【pytest】parametrize获取参数的几种常用形式。
如何在 ggplot() 函数中使用 data 参数来指定数据集
05-05
在 ggplot() 函数中，使用 data 参数来指定数据集，具体语法如下： ``` ggplot(data = 数据集名称, aes(x = x变量, y = y变量)) + 几何对象() + ... ``` 其中，data 参数指定了数据集的名称，aes() 函数用来...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值