具有小数据的varchar（max）列的开销

Question

作为来自外部源的批量加载数据的一部分，使用varchar（max）列定义分阶段表。我们的想法是，每个列都能够容纳它在源CSV文件中找到的任何内容，并且我们稍后将验证数据（类型，大小，精确度等）。

但是我担心varchar（max）列对于少于200个字符的列有很多开销。设计这个的人向我保证这是ETL的最佳实践，但我想我会与社区一起验证这个断言。

Answer 1

VARCHAR（MAX）列值将存储在表格行中，空间允许。因此，如果您有一个VARCHAR（MAX）字段并且它是200,300字节，那么它很可能与其余数据一起存储。这里没有问题或额外开销。

只有当单行的整个数据不再适合单个SQL Server页面（8K）时，SQL Server才会将VARCHAR（MAX）数据移动到溢出页面。

总而言之，我认为您可以充分利用这两个方面 - 尽可能使用内联存储，必要时可以溢出存储。

马克

PS：正如Mitch指出的那样，可以关闭此默认行为 - 但是我没有看到任何令人信服的理由，但是....

Answer 2

varchar（n）和varchar（max）之间的存储开销是相同的 存储大小是输入的实际数据长度+ 2个字节

MSDN Reference

查看这些类似的SO问题：

https://stackoverflow.com/questions/166371/varcharmax-versus-varcharn-in-ms-sql-server Are there any disadvantages to always using nvarchar(MAX)?

Answer 3

据我所知，您可能正在考虑的开销（以与TEXT或BINARY值存储在sql server中相同的方式存储行外数据）仅适用于数据大小超过8000字节的情况。因此，对于ETL过程，使用较小的列应该没有问题。

Answer 4

如果在MSSQL2005中使用varchar（max）或varbinary（max），SSIS正在为记录中的每一列创建一个临时文件，这可能会降低性能并成为一个大问题。 MS声称他们在MSSQL2008中解决了这个问题。

Answer 5

嗯，我想说不应该有那么大的开销，因为我不认为sql会自动为nvarchar分配一定数量的数据，而只是分配插入所需的内容，但是我没有什么可以证明或支持这个想法。