分享MSSQL、MySql、Oracle的大数据批量导入方法及编程手法细节

分享MSSQL、MySql、Oracle的大数据批量导入方法及编程手法细节

SQL语法篇：

BULK INSERT [ database_name . [ schema_name ] . | schema_name . ] [ table_name | view_name ] FROM 'data_file' [ WITH ( [ [ , ] BATCHSIZE = batch_size ] [ [ , ] CHECK_CONSTRAINTS ] [ [ , ] CODEPAGE = { 'ACP' | 'OEM' | 'RAW' | 'code_page' } ] [ [ , ] DATAFILETYPE = { 'char' | 'native'| 'widechar' | 'widenative' } ] [ [ , ] FIELDTERMINATOR = 'field_terminator' ] [ [ , ] FIRSTROW = first_row ] [ [ , ] FIRE_TRIGGERS ] [ [ , ] FORMATFILE = 'format_file_path' ] [ [ , ] KEEPIDENTITY ] [ [ , ] KEEPNULLS ] [ [ , ] KILOBYTES_PER_BATCH = kilobytes_per_batch ] [ [ , ] LASTROW = last_row ] [ [ , ] MAXERRORS = max_errors ] [ [ , ] ORDER ( { column [ ASC | DESC ] } [ ,...n ] ) ] [ [ , ] ROWS_PER_BATCH = rows_per_batch ] [ [ , ] ROWTERMINATOR = 'row_terminator' ] [ [ , ] TABLOCK ] [ [ , ] ERRORFILE = 'file_name' ] )]

SQL示例：

bulk insert 表名 from 'D:\mydata.txt' with (fieldterminator=',', rowterminator='\n', check_constraints) select * from 表名

由于C#提供了SqlBulkCopy，所以非DBA的我们，更多会通过程序来调用：

C#代码篇：

C#代码调用示例及细节，以下代码摘录自CYQ.Data：

using (SqlBulkCopy sbc = new SqlBulkCopy(con, (keepID ? SqlBulkCopyOptions.KeepIdentity : SqlBulkCopyOptions.Default) | SqlBulkCopyOptions.FireTriggers, sqlTran)) { sbc.BatchSize = 100000; sbc.DestinationTableName = SqlFormat.Keyword(mdt.TableName, DalType.MsSql); sbc.BulkCopyTimeout = AppConfig.DB.CommandTimeout; foreach (MCellStruct column in mdt.Columns) { sbc.ColumnMappings.Add(column.ColumnName, column.ColumnName); } sbc.WriteToServer(mdt); }

有5个细节：

1：事务：

如果只是单个事务，构造函数可以是链接字符串。

如果需要和外部合成一个事务（比如先删除，再插入，这在同一个事务中）

就需要自己构造Connection对象和Transaction，在上下文中传递来处理。

2：插入是否引发触发器

通过SqlBulkCopyOptions.FireTriggers 引入

3：其它：批量数、超时时间、是否写入主键ID。

可能引发的数据库Down机的情况：

在历史的过程中，我遇到过的一个大坑是：

当数据的长度过长，数据的字段过短，产生数据二进制截断时，数据库服务竟然停掉了（也许是特例，也许不是）。

所以小心使用，尽力做好对外部数据做好数据长度验证。

2：MySql

关于MySql的批量，这是一段悲催的往事，有几个坑，直到今天，才发现并解决了。

SQL语法篇：

LOAD DATA [LOW_PRIORITY | CONCURRENT] [LOCAL] INFILE 'data.txt' [REPLACE | IGNORE] INTO TABLE tbl_name [FIELDS [TERMINATED BY 'string'] [[OPTIONALLY] ENCLOSED BY 'char'] [ESCAPED BY 'char' ] ] [LINES [STARTING BY 'string'] [TERMINATED BY 'string'] ] [IGNORE number LINES] [(col_name_or_user_var,...)] [SET col_name = expr,...)]

示例篇：

LOAD DATA LOCAL INFILE 'C:\\Users\\cyq\\AppData\\Local\\Temp\\BulkCopy.csv' INTO TABLE `BulkCopy` CHARACTER SET utf8 FIELDS TERMINATED BY '$,$' LINES TERMINATED BY '' (`ID`,`Name`,`CreateTime`,`Sex`)

虽然MySql.Data.dll 提供了MySqlBulkLoader，但是看源码只是生成了个Load Data 并用ADO.NET执行，

核心大坑的生成*.csv数据文件的竟然没提供，所以自己生成语句并执行就好了，不需要用它。

C#代码篇：

以下代码摘自CYQ.Data，是一段今天才修正好的代码：

private static string MDataTableToFile(MDataTable dt, bool keepID, DalType dalType) { string path = Path.GetTempPath() + dt.TableName + ".csv"; using (StreamWriter sw = new StreamWriter(path, false, new UTF8Encoding(false))) { MCellStruct ms; string value; foreach (MDataRow row in dt.Rows) { for (int i = 0; i < dt.Columns.Count; i++) { #region 设置值 ms = dt.Columns[i]; if (!keepID && ms.IsAutoIncrement) { continue; } else if (dalType == DalType.MySql && row[i].IsNull) { sw.Write("\\N");//Mysql用\N表示null值。 } else { value = row[i].ToString(); if (ms.SqlType == SqlDbType.Bit) { int v = (value.ToLower() == "true" || value == "1") ? 1 : 0; if (dalType == DalType.MySql) { byte[] b = new byte[1]; b[0] = (byte)v; value = System.Text.Encoding.UTF8.GetString(b);//mysql必须用字节存档。 } else { value = v.ToString(); } } else { value = value.Replace("\\", "\\\\");//处理转义符号 } sw.Write(value); } if (i != dt.Columns.Count - 1)//不是最后一个就输出 { sw.Write(AppConst.SplitChar); } #endregion } sw.WriteLine(); } } if (Path.DirectorySeparatorChar == '\\') { path = path.Replace(@"\", @"\\"); } return path; }

以上代码是产生一个csv文件，用于被调用，有两个核心的坑，费了我不少时间：

1：Bit类型数据导不进去？

2：第1行数据自增ID被重置为1？

这两个问题，网上搜不到答案，放纵到今天，觉的应该解决了，然后就把它解决了。

解决的思路是这样的：

A：先用Load Data OutFile导出一个文件，再用Load Data InFile导入文件。

一开始我用记事本打开看了一下，又顺手Ctrl+S了一下，结果发现问题和我的一样，让我怀疑竟然不支持？

直到今天，重新导出，中间不看了，直接导入，发现它竟然又正常的，于是，思维一转：

B：把自己生成的文件和命令产生的文件，进行了十六进制比对，结果发现：

Bit类型自己生成的的数据：是0，1，在十六进制下显示是30、31。

命令产生的数据在十六进制是00、01，查了下资料，发现MySql的Bit存档的Bit是二进制。

于是，把0，1用字节表示，再转字符串，再存档，就好了。

于是这么一段代码产生了（网上的DataTable转CSV代码都是没处理的，都不知道他们是怎么跑的，难道都没有定义Bit类型？）：

if (ms.SqlType == SqlDbType.Bit){ int v = (value.ToLower() == "true" || value == "1") ? 1 : 0; if (dalType == DalType.MySql) { byte[] b = new byte[1]; b[0] = (byte)v; value = System.Text.Encoding.UTF8.GetString(b);//mysql必须用字节存档。 } else { value = v.ToString(); }}

另外关于Null值，用\N表示。

解决完第一个问题，剩下就是第二个问题了，为什么第一个行代码的主键会被置为1？

还是比对十六进制，结果惊人的发现：

是BOM头，让它错识别了第一个主键值，所以被忽略主键，用了第1个自增值1替代了。

这也解释了为什么只要重新保存的数据都有Bug的原因。

于是，解决的方法就是StreaWrite的时候，不生成BOM头，怎么处理呢？

于是就有了以下的代码：

using (StreamWriter sw = new StreamWriter(path, false, new UTF8Encoding(false))){ ...................}

通过New一个Encoding，并指定参数为false，替代我们常规的System.Text.Encoding.UTF8Encoding。

这些细节很隐秘，不说你都猜不道。。。

3：Oracle

SQL语法篇

LOAD[DATA][ { INFILE | INDDN } {file | * }[STREAM | RECORD | FIXED length [BLOCKSIZE size]|VARIABLE [length] ][ { BADFILE | BADDN } file ]{DISCARDS | DISCARDMAX} integr ][ {INDDN | INFILE} . . . ][ APPEND | REPLACE | INSERT ][RECLENT integer][ { CONCATENATE integer |CONTINUEIF { [THIS | NEXT] (start[: end])LAST }Operator { 'string' | X 'hex' } } ]INTO TABLE [user.]table[APPEND | REPLACE|INSERT][WHEN condition [AND condition]...][FIELDS [delimiter] ](column {RECNUM | CONSTANT value |SEQUENCE ( { integer | MAX |COUNT} [, increment] ) |[POSITION ( { start [end] | * [ + integer] }) ]datatype[TERMINATED [ BY ] {WHITESPACE| [X] 'character' } ][ [OPTIONALLY] ENCLOSE[BY] [X]'charcter'][NULLIF condition ][DEFAULTIF condotion]}[ ,...])

以上配置存档成一个CTL文件，再由以下的命令调用：

Sqlldr userid=用户名/密码@数据库 control=文件名.ctl

C#语法篇：

.NET里大概有三种操作Oracle的手法：

1：System.Data.OracleClient （需要安装客户端）没有带批量方法（还区分x86和x64）。

2：Oracle.DataAccess  （需要安装客户端）带批量方法（也区分x86和x64）。

3：Oracle.ManagedDataAccess （不需要安装客户端）没带批量方法（不区分x86和x64，但仅支持.NET 4.0或以上）

Oracle.DataAccess 带的批量方法叫：OracleBulkCopy，由于使用方式和SqlBulkCopy几乎一致，就不介绍了。

如果调用程序所在的服务器安装了Oracle客户端，可以进行以下方法的调用：

流程如下：

1：产生*.cvs数据文件，见MySql中的代码，一样用的。

2：产生*.ctl控制文件，把生成的Load Data 语句存档成一个*.ctl文件即可。

3：用sqlidr.exe执行CTL文件，这里悲催的一点是，不能用ADO.NET调用，只能用进程调用，所以，这个批量只能单独使用。

调用进程的相关代码：

bool hasSqlLoader = false; private bool HasSqlLoader() //检测是否安装了客户端。 { hasSqlLoader = false; Process proc = new Process(); proc.StartInfo.FileName = "sqlldr"; proc.StartInfo.CreateNoWindow = true; proc.StartInfo.UseShellExecute = false; proc.StartInfo.RedirectStandardOutput = true; proc.OutputDataReceived += new DataReceivedEventHandler(proc_OutputDataReceived); proc.Start(); proc.BeginOutputReadLine(); proc.WaitForExit(); return hasSqlLoader; } void proc_OutputDataReceived(object sender, DataReceivedEventArgs e) { if (!hasSqlLoader) { hasSqlLoader = e.Data.StartsWith("SQL*Loader:"); } } //已经实现，但没有事务，所以暂时先不引入。 private bool ExeSqlLoader(string arg) { try { Process proc = new Process(); proc.StartInfo.FileName = "sqlldr"; proc.StartInfo.Arguments = arg; proc.Start(); proc.WaitForExit(); return true; } catch { } return false; }

总结：

随着大数据的普及，数据间的批量移动必然越来频繁的被涉及，所以不管是用SQL脚本，还是自己写代码，或是用DBImport工具，都将成必备技能之一了！

鉴于此，分享一下我在这一块费过的力和填过的坑，供大伙参考！

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。