分享MSSQL、MySql、Oracle的大数据批量导入方法及编程手法细节

1：MSSQL

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！