在本机 SQL 中批量提交大型 INSERT 操作？

Question

我有几个大表（188m 和 144m 行），需要从视图填充，但每个视图包含几亿行（将伪维度建模数据合并到平面表单中）。每个表上的键是超过 50 个复合字节的列。如果数据在表中，我总是可以考虑使用 sp_rename 来创建另一个新表，但这并不是真正的选择。

如果我执行单个 INSERT 操作，该过程会使用大量事务日志空间，通常会将其归档并给 DBA 带来很多麻烦。 （是的，这可能是 DBA 应该处理/设计/架构师的工作）

我可以使用 SSIS 并通过批量提交将数据流式传输到目标表（但这确实需要通过网络传输数据，因为我们是不允许在服务器上运行 SSIS 包）。

除了使用某种键将进程划分为多个 INSERT 操作以将行分配到不同的批次并执行循环之外，还有什么其他方法吗？

Answer 1

该视图是否有任何类型的唯一标识符/候选键？如果是这样，您可以使用以下方法将这些行选择到工作表中：（

SELECT key_columns INTO dbo.temp FROM dbo.HugeView;

如果有意义，也许可以将此表放入不同的数据库中，也许使用简单恢复模型，以防止日志活动干扰您的主数据库。这应该生成无论如何，日志要少得多，并且您可以在恢复之前释放另一个数据库中的空间，以防问题是磁盘空间不足。）

然后您可以执行类似的操作，一次插入 10,000 行，并备份之间的日志：

SET NOCOUNT ON;

DECLARE
    @batchsize INT,
    @ctr INT,
    @rc INT;

SELECT
    @batchsize = 10000,
    @ctr = 0;

WHILE 1 = 1
BEGIN
    WITH x AS
    (
        SELECT key_column, rn = ROW_NUMBER() OVER (ORDER BY key_column)
        FROM dbo.temp
    )
    INSERT dbo.PrimaryTable(a, b, c, etc.)
        SELECT v.a, v.b, v.c, etc.
        FROM x
        INNER JOIN dbo.HugeView AS v
        ON v.key_column = x.key_column
        WHERE x.rn > @batchsize * @ctr
        AND x.rn <= @batchsize * (@ctr + 1);

    IF @@ROWCOUNT = 0
        BREAK;

    BACKUP LOG PrimaryDB TO DISK = 'C:\db.bak' WITH INIT;

    SET @ctr = @ctr + 1;
END

这都是我的想法，所以不要剪切/粘贴/运行，但我认为总体思路就在那里。有关更多详细信息（以及为什么我在循环内备份日志/检查点），请参阅 sqlperformance.com 上的这篇文章：

• 将大型删除操作分成块

请注意，如果您正在获取常规数据库和日志您可能需要进行完整的备份才能重新开始您的日志链。

Answer 2

您可以对数据进行分区并将数据插入游标循环中。这与 SSIS 批量插入几乎相同。但在您的服务器上运行。

create cursor ....
select YEAR(DateCol), MONTH(DateCol) from whatever

while ....
    insert into yourtable(...)
    select * from whatever 
    where YEAR(DateCol) = year and MONTH(DateCol) = month
end

Answer 3

我知道这是一个旧线程，但我制作了 Arthur 游标解决方案的通用版本：

--Split a batch up into chunks using a cursor.
--This method can be used for most any large table with some modifications
--It could also be refined further with an @Day variable (for example)

DECLARE @Year INT
DECLARE @Month INT

DECLARE BatchingCursor CURSOR FOR
SELECT DISTINCT YEAR(<SomeDateField>),MONTH(<SomeDateField>)
FROM <Sometable>;


OPEN BatchingCursor;
FETCH NEXT FROM BatchingCursor INTO @Year, @Month;
WHILE @@FETCH_STATUS = 0
BEGIN

--All logic goes in here
--Any select statements from <Sometable> need to be suffixed with:
--WHERE Year(<SomeDateField>)=@Year AND Month(<SomeDateField>)=@Month   


  FETCH NEXT FROM BatchingCursor INTO @Year, @Month;
END;
CLOSE BatchingCursor;
DEALLOCATE BatchingCursor;
GO

这解决了我们大型表负载的问题。

Answer 4

没有仙尘，你知道的。

在不知道正在传输的实际模式的细节的情况下，通用解决方案将与您所描述的完全一样：将处理划分为多个插入并跟踪键。这是一种伪代码 T-SQL：

create table currentKeys (table sysname not null primary key, key sql_variant not null);
go

declare @keysInserted table (key sql_variant);
declare @key sql_variant;
begin transaction
do while (1=1)
begin
    select @key = key from currentKeys where table = '<target>';
    insert into <target> (...)
    output inserted.key into @keysInserted (key)
    select top (<batchsize>) ... from <source>
    where key > @key
    order by key;

    if (0 = @@rowcount)
       break; 

    update currentKeys 
    set key = (select max(key) from @keysInserted)
    where table = '<target>';
    commit;
    delete from @keysInserted;
    set @key = null;
    begin transaction;
end
commit

如果您想要允许并行批处理并对键进行分区，则会变得更加复杂。

Answer 5

您可以使用 BCP 命令加载数据并使用批量大小参数

http: //msdn.microsoft.com/en-us/library/ms162802.aspx

两步处理

• BCP OUT 数据从视图到文本文件
• BCP IN 数据从文本文件到带有批量大小参数的表

Answer 6

这看起来像是 BCP 的工作。