标识列上具有父/子关系的SqlBulkCopy和DataTables

时间:2009-07-29 00:42:29

标签: c# .net sql-server sqlbulkcopy

我们需要根据父表中的Identity主键更新多个具有父/子关系的表,父表由一个或多个子表作为外键引用。

  • 由于数据量很大,我们希望在内存中构建这些表,然后使用C#中的SqlBulkCopy从DataSet或单个DataTables更新数据库。
  • 我们还希望从多个线程,进程和可能的客户端并行执行此操作。

我们在F#中的原型展示了很多承诺,性能提高了34倍,但是这段代码强制在父表中使用已知的Identity值。如果没有强制,当SqlBulkCopy插入行时,Identity列会在数据库中正确生成,但Identity值不会在内存中的DataTable中更新。此外,即使它们是,也不清楚DataSet是否能正确修复父/子关系,以便随后可以使用正确的外键值写入子表。

任何人都可以解释如何让SqlBulkCopy更新标识值,以及如何配置DataSet以保留和更新父/子关系,如果在单个DataTable上调用DataAdapter到FillSchema时不自动完成。

我不想要的答案:

  • 读取数据库以查找当前最高的Identity值,然后在创建每个父行时手动递增它。不适用于多个进程/客户端,据我所知,失败的事务可能会导致某些标识值被跳过,因此这种方法可能会破坏关系。
  • 一次一个地写出父行,并要求返回Identity值。这至少可以通过使用SqlBulkCopy来获得一些收益(是的,有更多的子行而不是父行,但仍有很多父行)。

类似于以下未回答的问题:

5 个答案:

答案 0 :(得分:9)

首先:SqlBulkCopy不可能做你想要的。顾名思义,它只是一条“单行道”。我尽可能快地将数据移动到sql server中。它是旧的批量复制命令的.Net版本,它将原始文本文件导入表中。因此,如果您使用SqlBulkCopy,则无法获取身份值。

我做了大量的批量数据处理,并且多次遇到过这个问题。解决方案取决于您的体系结构和数据分布。以下是一些想法:

  • 为每个线程创建一组目标表,并在这些表中导入。最后加入这些表格。其中大部分都可以通过一种非常通用的方式实现,您可以从名为TABLENAME的表中自动生成名为TABLENAME_THREAD_ID的表。

  • 将ID生成完全移出数据库。例如,实现生成ID的中央Web服务。在这种情况下,您不应该为每个调用生成一个ID,而是生成ID范围。否则网络开销通常会成为瓶颈。

  • 尝试为您的数据生成ID。如果可能的话,你的问题就会消失。快说不要说“不可能”。也许您可以使用可以在后处理步骤中清理的字符串ID?

另外还有一句话:使用BulkCopy时,因子34的增加会增加。如果要快速插入数据,请确保正确配置数据库。

答案 1 :(得分:4)

阅读这篇文章。我认为这正是您正在寻找的东西以及更多。非常漂亮和优雅的解决方案。

http://www.codinghelmet.com/?path=howto/bulk-insert

答案 2 :(得分:1)

使用SqlBulkCopy实现所需功能的唯一方法是首先将数据插入到临时表中。然后使用存储过程将数据分发到destinate表。是的,这会导致减速,但仍然会很快。

您也可以考虑重新设计数据,即将其拆分,对其进行非规范化等。

答案 3 :(得分:1)

set identity_insert <table> ondbcc checkident是您的朋友。这就像我过去所做的那样(参见代码示例)。唯一真正的警告是更新过程是唯一可以插入数据的过程:在更新过程中,其他人必须离开池。当然,您可以在加载生产表之前以编程方式执行此类映射。但是对插入的限制也适用:更新过程是唯一可以发挥作用的过程。

--
-- start with a source schema -- doesn't actually need to be SQL tables
-- but from the standpoint of demonstration, it makes it easier
--
create table source.parent
(
  id   int         not null primary key ,
  data varchar(32) not null ,
)
create table source.child
(
  id        int         not null primary key ,
  data      varchar(32) not null ,
  parent_id int         not null foreign key references source.parent(id) ,
)

--
-- On the receiving end, you need to create staging tables.
-- You'll notice that while there are primary keys defined,
-- there are no foreign key constraints. Depending on the
-- cleanliness of your data, you might even get rid of the
-- primary key definitions (though you'll need to add
-- some sort of processing to clean the data one way or
-- another, obviously).
--
-- and, depending context, these could even be temp tables
--
create table stage.parent
(
  id   int         not null primary key ,
  data varchar(32) not null ,
)

create table stage.child
(
  id        int         not null primary key ,
  data      varchar(32) not null ,
  parent_id int         not null ,
)

--
-- and of course, the final destination tables already exist,
-- complete with identity properties, etc.
--
create table dbo.parent
(
  id int not null identity(1,1) primary key ,
  data varchar(32) not null ,
)
create table dbo.child
(
  id int not null identity(1,1) primary key ,
  data varchar(32) not null ,
  parent_id int not null foreign key references dbo.parent(id) ,
)

-----------------------------------------------------------------------
-- so, you BCP or otherwise load your staging tables with the new data
-- frome the source tables. How this happens is left as an exercise for
-- the reader. We'll just assume that some sort of magic happens to
-- make it so. Don't forget to truncate the staging tables prior to
-- loading them with data.
-----------------------------------------------------------------------

-------------------------------------------------------------------------
-- Now we get to work to populate the production tables with the new data
--
-- First we need a map to let us create the new identity values.
-------------------------------------------------------------------------
drop table #parent_map
create table #parent_map
(
  old_id int not null primary key nonclustered       ,
  offset int not null identity(1,1) unique clustered ,
  new_id int     null ,  
)
create table #child_map
(
  old_id int not null primary key nonclustered ,
  offset int not null identity(1,1) unique clustered ,
  new_id int     null ,
)

insert #parent_map ( old_id ) select id from stage.parent
insert #child_map  ( old_id ) select id from stage.child

-------------------------------------------------------------------------------
-- now that we've got the map, we can blast the data into the production tables
-------------------------------------------------------------------------------

--
-- compute the new ID values
--
update #parent_map set new_id = offset + ( select max(id) from dbo.parent )

--
-- blast it into the parent table, turning on identity_insert
--
set identity_insert dbo.parent on

insert dbo.parent (id,data)
select id   = map.new_id   ,
       data = staging.data
from stage.parent staging
join #parent_map  map     on map.old_id = staging.id

set identity_insert dbo.parent off

--
-- reseed the identity properties high water mark
--
dbcc checkident dbo.parent , reseed


--
-- compute the new ID values
--
update #child_map set new_id = offset + ( select max(id) from dbo.child )

--
-- blast it into the child table, turning on identity_insert
--
set identity_insert dbo.child on

insert dbo.child ( id , data , parent_id )
select id        = parent.new_id   ,
       data      = staging.data    ,
       parent_id = parent.new_id

from stage.child staging
join #child_map  map      on map.old_id    = staging.id
join #parent_map parent   on parent.old_id = staging.parent_id

set identity_insert dbo.child off

--
-- reseed the identity properties high water mark
--
dbcc checkident dbo.child , reseed

------------------------------------
-- That's about all there is too it.
------------------------------------

答案 4 :(得分:0)

我想你面临的折衷是BulkInsert的性能与身份的可靠性。

您可以暂时将数据库放入SingleUserMode以执行插入吗?

我在转换项目中遇到了一个非常类似的问题,我在这里向非常大的表添加了一个Identity列,并且它们有子项。幸运的是,我能够设置父和子源的身份(我使用TextDataReader)来执行BulkInsert,并且我同时生成了父文件和子文件。

我也获得了你所谈论的性能提升,OleDBDataReader Source - &gt; StreamWriter ...然后TextDataReader - &gt; SQLBulk