我需要将相当大的SQL Server表~100GB导出到CSV文件。但是输出不是单个csv文件,理想情况下应该是多个文件,即10个文件,每个10GB。
我看到BCP有一个batch_size参数,但这仍然会将所有数据写入单个文件?是否有其他免费的公用事业可以满足我的需求?文件大小可以以字节还是以行数指定的位置?
对于一些上下文,这是因为数据可以与Hive / Hadoop平台中的其他源组合,所以如果有更好的方法可以导出数据,我可以提供建议。
答案 0 :(得分:6)
我认为您可以将SQL 2012的分页函数OFFSET
和FETCH
与bcp结合使用:
SELECT *
FROM Table
ORDER BY ID --Primary Key
OFFSET 100000001 ROWS
FETCH NEXT 100000000 ROWS ONLY
答案 1 :(得分:6)
不幸的是,BCP的batch_size参数不控制输出。
我做过这种分裂的方式:
1 - 简单但不可重复:创建一个命令文件(.cmd),在表格上运行多个BCP
以获取特定的行范围。这可能需要基于IDENTITY(1,1)
的主键。
bcp "SELECT * FROM MyTable WHERE Id BETWEEN 0 AND 10000000" queryout …
bcp "SELECT * FROM MyTable WHERE Id BETWEEN 10000000 AND 20000000" queryout …
2 - 简单且可重复,将整个表中的大量磁盘BCP
用于单个文件,并使用split
根据需要创建任意数量的新文件每个字节中给定的字节数(注意:按行分割将是一个更好的主意IMO)。使用'Cygwin'(不再维护GnuWin32)来安装split
以及您想要的任何其他实用程序。
bcp MyDb.MySchema.MyTable out C:\MyFile.csv -T -w
split -b 10737418240 C:\MyFile.csv C:\MySplitFile_
生成以下文件
C:\MySplitFile_aaa
C:\MySplitFile_aab
…
3 - 复杂但可重复,需要可能不安全的T-SQL:使用xp_cmdshell
函数在遍历表的存储过程中调用BCP。
DECLARE @loop AS INT;
--Use WHILE to loop as needed--
DECLARE @sql AS VARCHAR(MAX);
--Add code to generate dynamic SQL here--
DECLARE @bcp AS VARCHAR(MAX);
SELECT @bcp='BCP "'+@sql+'" queryout C:\MyFolder\MyFile_'+@loop+'.csv';
最后注意:如果您在数据中使用任何NVARCHAR字段,则需要使用-w
标志并注意输出将为UTF-16LE。我强烈强烈建议使用iconv
(再次来自'Cygwin')将其转换为UTF-8,然后再尝试在Hadoop中对其进行任何操作。
答案 2 :(得分:3)
如果您有一个可排序的主键字段,您可以找到定义所需行的边界的键,然后使用定义边界的WHERE选择SELECT记录。
这与Joe为#1所做的类似,但你的密钥不需要是连续的也不是数字的。以下是一个简单的例子:
DECLARE @maxrowsperfile AS bigint = 1048576
DECLARE boundaries CURSOR FOR
SELECT the_sortable_key
FROM
(
SELECT
the_sortable_key
, ROW_NUMBER() OVER(ORDER BY the_sortable_key) AS the_row_number
FROM the_table
) AS t
WHERE the_row_number % @maxrowsperfile = 0
OPEN boundaries
DECLARE @lowerbound AS [key type] = [value A]
DECLARE @upperbound AS [key type] = [value A]
FETCH NEXT FROM boundaries
INTO @upperbound
IF @lowerbound = @upperbound
PRINT 'bcp "SELECT * FROM the_table" queryout file -w -T'
ELSE
DECLARE @filecount AS int = 1
BEGIN
WHILE @@FETCH_STATUS = 0
BEGIN
PRINT 'bcp "SELECT * FROM the_table WHERE key > ' + CAST(@lowerbound AS varchar) + ' AND key <= ' + CAST(@upperbound AS varchar) + ' queryout file_' + CAST(@filecount AS varchar) + ' -w -T'
SET @filecount = @filecount + 1
SET @lowerbound = @upperbound
FETCH NEXT FROM boundaries
INTO @upperbound
END
PRINT 'bcp "SELECT * FROM table WHERE key > ' + CAST(@lowerbound AS varchar) + ' queryout file_' + CAST(@filecount AS varchar) + ' -w -T'
END
CLOSE boundaries
DEALLOCATE boundaries
答案 3 :(得分:1)
我会首先导出文件,然后在外部进行分割。假设您在Windows机器上运行,那里有几个“免费软件”工具可以提供帮助。有关详细信息,请参阅超级用户上的this other answer。