作为DBA,时不时会遇到将数据导入到数据库的情况,假设业务或研发提供一个包含上百万行INSERT语句的脚本文件,而且这些INSERT 语句没有使用GO来进行批处理拆分,那么直接使用SQLCMD来执行会发现该进程消耗大量物理内存并迟迟没有数据写入,即使脚本中每一行都添加了GO,你依然会发现这插入效率太差,让你无法忍受,怎么搞呢,下面小代码帮你折腾下:
$old_file_path= 'C:\SQL001.TXT' $new_file_path='C:\SQL001_New' $tran_rows=10 $file_rows=30 $current_file_id=0 $line_num=0 $sr1=[IO.StreamReader]$old_file_path $line_content="" $row_content="" while(-not $sr1.EndOfStream) { if(($line_num%$file_rows) -eq 0) { $current_file_id=[int]$current_file_id+1 $current_file_path = $new_file_path+"_"+$current_file_id $line_content="" $line_content |Out-File $current_file_path } if(($line_num%$tran_rows) -eq 0) { $line_content=" SET NOCOUNT ON GO BEGIN TRAN BEGIN TRY " $line_content |Out-File -Append $current_file_path $line_content="" } $tmp_content=$sr1.ReadLine() $row_content=$row_content+"`r"+$tmp_content $line_num=$line_num+1 if((($line_num%$tran_rows) -eq 0) -or ($sr1.EndOfStream)) { $row_content | Out-File -Append $current_file_path $row_content="" $batch_first_line=([int](($line_num+1)/$tran_rows-1))*$tran_rows+1 $line_content=" COMMIT --PRINT '执行第"+($batch_first_line)+"行到第"+($line_num)+"行成功' END TRY BEGIN CATCH ROLLBACK PRINT '执行第"+($batch_first_line)+"行到第"+($line_num)+"行失败' END CATCH GO " $line_content | Out-File -Append $current_file_path Write-Host "处理到行" $line_num } } $sr1.Close()
2016年11月2日进行了下优化,当单个文件包含过多行时,会很难编辑处理,增加了按照行数拆分成文件的功能,同时优化下代码的可读性。
还是看点疗效吧,原始SQL为:
经过此脚本修改过的变为:
这样实现有以下有点:
1. 使用“SET NOCOUNT ON”来屏蔽每条语句返回影响行数,减少与cmd窗口交互的次数;
2. 将每50条语句拆分到一个批处理中,降低数据库进行语法检查分析的消耗,在封装到一个事务中进行提交,减少写日志的次数;
3. 打印输出事务执行结果,方便排查错误(可修改代码只输出执行失败的事务)
执行结果截图:
====================================================
在个人电脑测试,以100条一个事务来拆分,大概1分钟可以导入50万到60万,按不同的行数进行拆分插入效率不同,具体合适的拆分行数需要根据实际情况测试为准。
对于超大数据量的导入,还是推荐使用csv+bcp的方式来导入,INSERT+SQLCMD的效率始终太低太低!
====================================================
没啥技术含量,厚脸拿出来分享,只是因为很久没写博客啦!