oracle导入csv格式文件数据

Oracle数据库导入耗时

2021-01-14 21:23:55

1.说明

Oracle数据库导入csv文件，

当csv文件较小时，

可以使用数据库管理工具，

比如DBevaer导入到数据库，

当csv文件很大时，

可以使用Oracle提供的sqlldr命令行工具，

能够快速导入大量数据。

在数据库之间进行数据迁移时，

特别是不同类型的数据库，

使用csv文件是一种很好的选择。

2.sqlldr用法

下面介绍sqlldr用法，

有一个USER_INFO.csv文件，

需要导入到数据库中USER_INFO表，

而且有1.5亿条数据，

要求导入耗时尽量小。

这里先介绍基本的导入方式，

然后介绍direct导入方式，

最后介绍parallel导入方式。

3.获取csv文件

USER_INFO.csv文件内容如下，

这里仅选取了三条测试数据:

MSISDN,PROVINCE_CODE,CREATE_TIME

8617512570551,30,2019-10-31 17:16:09

8613063310680,33,2019-10-31 17:16:12

8613295281345,80,2019-10-31 17:16:14

4.创建USER_INFO表

CREATE TABLE "USER_INFO" (

"MSISDN" VARCHAR2(16),

"PROVINCE_CODE" VARCHAR2(4),

"CREATE_TIME" DATE,

CONSTRAINT "PK_USER_INFO_MSISDN" PRIMARY KEY ("MSISDN")

) TABLESPACE "USERS";

COMMENT ON COLUMN "USER_INFO"."MSISDN" IS '用户手机号';

COMMENT ON COLUMN "USER_INFO"."PROVINCE_CODE" IS '省份编码';

COMMENT ON COLUMN "USER_INFO"."CREATE_TIME" IS '用户创建时间';

注意表中字段要和csv文件对应。

5.创建ctl文件

创建名为loaddata_USER_INFO.ctl的控制文件：

options(skip=1,BINDSIZE=20971520, ROWS=10000, READSIZE=20971520, ERRORS=999999999)

load data

infile '/home/oracle/USER_INFO.csv'

insert into table "USER_INFO"

fields terminated by ','

Optionally enclosed by '\''

(MSISDN,PROVINCE_CODE,CREATE_TIME "to_date(:CREATE_TIME, 'yyyy-mm-dd hh24:mi:ss')")

第1行是导入参数配置，

已经是支持大量数据导入的参数方案。

第3行infile指定导入的文件是USER_INFO.csv；

第4行into table前面的insert表示导入方式：

insert :默认方式，在导入记录前要求表为空；

append :在表中追加新导入的记录；

replace :删除旧记录(等价delete from table语句)，替换成新导入的记录；

truncate:删除旧记录(等价truncate table语句)，替换成新导入的记录；

into table后面指定导入数据库表USER_INFO，

且表名必须大写；

第5行指定每一行的字段是以逗号(,)分隔；

第6行指定字段是用两个分号(')包围起来的，可选的；

最后一行对应导入的字段，

注意如果导入的是时间字段，

需要指明时间转换的格式。

6.使用sqlldr导入

指定需要导入的数据库，

以及使用的control文件：

sqlldr userid=yuwen/ai123456@10.21.13.14:1521/orcl control=loaddata_USER_INFO.ctl

导入成功输出日志如下：

SQL*Loader: Release 12.1.0.2.0 - Production on Thu Oct 31 17:37:49 2019

Copyright (c) 1982, 2014, Oracle and/or its affiliates. All rights reserved.

Path used: Conventional

Commit point reached - logical record count 3

Table "USER_INFO":

3 Rows successfully loaded.

Check the log file:

loaddata_USER_INFO.log

for more information about the load.

看到3条数据成功导入USER_INFO，

同时会生成loaddata_USER_INFO.log日志，

通过该日志可以查看更详细的导入信息，

如果导入时发生错误，

可以查看到详细的错误信息，

而且还会生成USER_INFO.bad文件，

bad文件原样输出了导入失败的数据。

默认情况下ERRORS达到50个就会停止导入，

如果需要忽略错误继续导入，

可以配置ERRORS最大值为999999999。

7.direct直接路径方式

sqlldr支持direct参数，

使用直接路径方式导效率非常高,

direct参数默认为FALSE，

上面第6步使用的就是默认常规路径方式，

下面使用直接路径方式，

进一步加快数据导入速度。

但是使用直接路径方式会导致表的唯一索引(或主键)失效，

可以在导入前先删除表的唯一索引，

然后在导入完成后重建索引即可，

如果有重复的数据，

需要先去重才能重建索引成功，

经过测试即使需要重建索引，

使用直接路径方式还是比常规路径方式快。

8.创建ctl文件(直接路径方式)

创建名为loaddata_USER_INFO_direct.ctl的控制文件：

options(skip=1,COLUMNARRAYROWS=20971520, ROWS=10000, READSIZE=20971520, ERRORS=999999999)

load data

infile '/home/oracle/USER_INFO.csv'

insert into table "USER_INFO"

fields terminated by ','

Optionally enclosed by '\''

(MSISDN,PROVINCE_CODE,CREATE_TIME "to_date(:CREATE_TIME, 'yyyy-mm-dd hh24:mi:ss')")

这个文件和第5步中的区别在于，

options中的BINDSIZE换成了COLUMNARRAYROWS，

因为BINDSIZE是常规路径绑定数组的大小，

而COLUMNARRAYROWS是直接路径列数组的行数。

9.删除主键

导入前需要先删除USER_INFO表的主键：

ALTER TABLE USER_INFO DROP CONSTRAINT PK_USER_INFO_MSISDN;

10.使用sqlldr导入(直接路径方式)

基本与第6步的命令相同，增加direct=true：

sqlldr userid=yuwen/ai123456@10.21.13.14:1521/orcl control=loaddata_USER_INFO_direct.ctl direct=true

数据成功导入日志如下：

SQL*Loader: Release 12.1.0.2.0 - Production on Fri Nov 1 10:48:10 2019

Copyright (c) 1982, 2014, Oracle and/or its affiliates. All rights reserved.

Path used: Direct

Load completed - logical record count 3.

Table "USER_INFO":

3 Rows successfully loaded.

Check the log file:

loaddata_USER_INFO_direct.log

for more information about the load.

11.重建主键

ALTER TABLE USER_INFO ADD CONSTRAINT PK_USER_INFO_MSISDN PRIMARY KEY(MSISDN);

至此使用直接路径方式导入数据成功，

经过测试1.5亿条不重复数据direct方式导入，

花费4分02秒，

然后重建主键花费19分14秒，

总耗时23分16秒。

然而使用常规路径方式导入需要48个小时，

导入效率得到了极大的提升。

12.parallel并行导入

前面使用的是串行方式导入数据，

通过设置parallel为true可以并行导入，

在多核服务器上面能进一步提升导入效率。

需要注意并行方式仅仅在直接路径方式时有效。

13.创建ctl文件(并行方式)

创建名为loaddata_USER_INFO_direct_parallel.ctl的控制文件：

options(skip=1,COLUMNARRAYROWS=20971520, ROWS=10000, READSIZE=20971520, ERRORS=999999999)

load data

infile '/home/oracle/USER_INFO.csv'

append into table "USER_INFO"

fields terminated by ','

Optionally enclosed by '\''

(MSISDN,PROVINCE_CODE,CREATE_TIME "to_date(:CREATE_TIME, 'yyyy-mm-dd hh24:mi:ss')")

这个文件和第8步中的区别在于，

并行方式只支持append导入，

而且要注意USER_INFO表不能有索引，

如果有需要先删除。

14.使用sqlldr导入(并行方式)

基本与第10步的命令相同，增加parallel=true：

sqlldr userid=yuwen/ai123456@10.21.13.14:1521/orcl control=loaddata_USER_INFO_direct_parallel.ctl direct=true parallel=true

数据成功导入日志如下：

SQL*Loader: Release 12.1.0.2.0 - Production on Fri Nov 1 11:08:51 2019

Copyright (c) 1982, 2014, Oracle and/or its affiliates. All rights reserved.

Path used: Direct

SQL*Loader-281: Warning: ROWS parameter ignored in parallel mode.

Load completed - logical record count 3.

Table "USER_INFO":

3 Rows successfully loaded.

Check the log file:

loaddata_USER_INFO_direct_parallel.log

for more information about the load.

15.sqlldr命令说明

15.1.用法

SQLLDR keyword=value [,keyword=value,...]

15.2.参数说明

参数

说明

userid

ORACLE 用户名/口令

control

控制文件名

log

日志文件名

bad

错误文件名

data

数据文件名

discard

废弃文件名

discardmax

允许废弃的文件的数目 (全部默认)

skip

要跳过的逻辑记录的数目 (默认 0)

load

要加载的逻辑记录的数目 (全部默认)

errors

允许的错误的数目 (默认 50)

rows

常规路径绑定数组中或直接路径保存数据间的行数,默认: 常规路径 64, 所有直接路径)

bindsize

常规路径绑定数组的大小 (以字节计) (默认 256000)

silent

运行过程中隐藏消息 (标题,反馈,错误,废弃,分区)

direct

使用直接路径 (默认 FALSE)

parfile

参数文件: 包含参数说明的文件的名称

parallel

执行并行加载 (默认 FALSE)

file

要从以下对象中分配区的文件

skip_unusable_indexes

不允许/允许使用无用的索引或索引分区 (默认 FALSE)

skip_index_maintenance

没有维护索引, 将受到影响的索引标记为无用 (默认 FALSE)

commit_discontinued

提交加载中断时已加载的行 (默认 FALSE)

readsize

读取缓冲区的大小 (默认 1048576)

external_table

使用外部表进行加载; NOT_USED, GENERATE_ONLY, EXECUTE (默认 NOT_USED)

columnarrayrows

直接路径列数组的行数 (默认 5000)

streamsize

直接路径流缓冲区的大小 (以字节计) (默认 256000)

multithreading

在直接路径中使用多线程

resumable

启用或禁用当前的可恢复会话 (默认 FALSE)

resumable_name

有助于标识可恢复语句的文本字符串

resumable_timeout

RESUMABLE 的等待时间 (以秒计) (默认 7200)

date_cache

日期转换高速缓存的大小 (以条目计) (默认 1000)

no_index_errors

出现任何索引错误时中止加载 (默认 FALSE)

15.3.注意事项

命令行参数可以由位置或关键字指定。

前者的例子是 'sqlldr scott/tiger foo';

后这的例子是 'sqlldr control=foo userid=scott/tiger'。

位置指定参数的时间必须早于，

但不可迟于由关键字指定的参数。

例如允许 'sqlldr scott/tiger control=foo logfile=log',

但是不允许 'sqlldr scott/tiger control=foo log',

即使参数 'log' 的位置正确。

15.4.重要参数

rows：

加载的行数，默认值：常规路径：64，直接路径：全部。

常规路径导入时，指定绑定数组中的行数。直

接路径导入时，指一次从数据文件只读取的行数。

该参数同时受bindsize制约，

如果rows每行实际占用大小超出bindsize的最大可用值，

则rows自动降低到bindsize最大可用值。

bindsize：

默认值：256000，以字节为单位。

为绑定数组指定最大可用空间，

用来存储一次读取的rows的记录，

该值不能太小，至少要能放入一条逻辑记录，

不然有可能造成加载失败，

但是设置一个超大值也没有意义，

浪费空间而且起不到任何效果。

direct：

直接路径，默认值是false。

直接路径加载并不是通过insert语句的方式提交数据，

直接路径的加载甚至不走db_buffer，

因为不会存在缓冲区争用，

直接路径加载直接向数据文件写数据，

因此效率较高。

file：

指定写入的表空间数据文件。

通常是并行加载时应该会用到该参数，

指定file文件后，

要加载的内容即只向指定的数据文件写入数据，

通过这种方式某些情况下可以减小磁盘间的竞争。

skip_unusable_indexes：

是否跳过不可用的索引,默认为false。

如果设置为true。在加载数据的时候，

如果没加载的表中索引为unusable，

则该索引数据不维护，数据加载完以后也不会改变索引的状态。

在oracle中也有一个参数叫skip_unusable_indexes，

但是sqlldr中的这个参数优先级比oracle数据库内部的这个参数优先级高。

如果sqlldr中未设置这个参数，则以oracle中的skip_unusable_indexes参数为准。

skip_index_maintenance:

是否跳过索引维护,默认值为false。

该参数仅在直接路径加载时有效，

如果设置为true，则数据加载过程中并不会维护索引，

因此数据加载完后会导致索引无效。

readsize:

缓冲区大小,默认值1048576字节,最大不超过20M。

该参数设置的值仅当从数据文件中读取数据时有效，

如果数据包含在控制文件中则为64K，并不可修改。

streamsize:

流缓冲区大小，默认值是256000字节。

指定直接路径加载时流缓冲区大小。

multithreading：

是否启用多线程。

默认值：多cpu系统默认为true，单cpu的系统默认则为false。

该参数仅仅在直接路径加载时有效。

date_cache：

日期转换缓存，默认值为1000条。

指定一个专门用于日志转换的缓存区，

如果处理的日期在其中，则不需要转换，

否则直接取出来使用。

16.执行结果详细日志

给出loaddata_USER_INFO_direct_parallel.log日志内容，

可以看到导入使用的配置，耗时等详细信息，

供给大家参考：

SQL*Loader: Release 12.1.0.2.0 - Production on Fri Nov 1 11:20:07 2019

Copyright (c) 1982, 2014, Oracle and/or its affiliates. All rights reserved.

Control File: loaddata_USER_INFO_direct_parallel.ctl

Data File: /home/oracle/USER_INFO.csv

Bad File: USER_INFO.bad

Discard File: none specified

(Allow all discards)

Number to load: ALL

Number to skip: 1

Errors allowed: 999999999

Continuation: none specified

Path used: Direct - with parallel option.

Table "USER_INFO", loaded from every logical record.

Insert option in effect for this table: APPEND

Column Name Position Len Term Encl Datatype

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

MSISDN FIRST * , O(') CHARACTER

PROVINCE_CODE NEXT * , O(') CHARACTER

CREATE_TIME NEXT * , O(') CHARACTER

SQL string for column : "to_date(:CREATE_TIME, 'yyyy-mm-dd hh24:mi:ss')"

SQL*Loader-281: Warning: ROWS parameter ignored in parallel mode.

Table "USER_INFO":

3 Rows successfully loaded.

0 Rows not loaded due to data errors.

0 Rows not loaded because all WHEN clauses were failed.

0 Rows not loaded because all fields were null.

Bind array size not used in direct path.

Column array rows : 10000

Stream buffer bytes: 256000

Read buffer bytes:20971520

Total logical records skipped: 1

Total logical records read: 3

Total logical records rejected: 0

Total logical records discarded: 0

Total stream buffers loaded by SQL*Loader main thread: 1

Total stream buffers loaded by SQL*Loader load thread: 0

Run began on Fri Nov 01 11:20:07 2019

Run ended on Fri Nov 01 11:20:13 2019

Elapsed time was: 00:00:05.60

CPU time was: 00:00:00.44