Question

我觉得我应该已经知道这个问题，我感到很尴尬。但是，鉴于我没有....我想知道如何从磁盘读取大型文件到数据库而不会得到OutOfMemory异常。具体来说，我需要加载CSV（或真正的制表符分隔文件）。

我正在试验CSVReader，特别是this code sample，但我确信我做错了。他们的一些other coding samples显示了如何读取任何大小的流文件，这几乎是我想要的（只需要从磁盘读取），但我不知道是什么我可以创建的IDataReader类型允许这样做。

我正在直接从磁盘读取，我试图通过一次读取太多数据来确保我永远不会耗尽内存。我不禁想到我应该能够使用BufferedFileReader或类似的东西，我可以指向文件的位置并指定缓冲区大小，然后CsvDataReader期望IDataReader作为它的第一个参数，它可以使用它。请告诉我我的方法的错误，让我摆脱我的GetData方法与它的任意文件分块机制，并帮助我解决这个基本问题。

    private void button3_Click(object sender, EventArgs e)
    {   
        totalNumberOfLinesInFile = GetNumberOfRecordsInFile();
        totalNumberOfLinesProcessed = 0; 

        while (totalNumberOfLinesProcessed < totalNumberOfLinesInFile)
        {
            TextReader tr = GetData();
            using (CsvDataReader csvData = new CsvDataReader(tr, '\t'))
            {
                csvData.Settings.HasHeaders = false;
                csvData.Settings.SkipEmptyRecords = true;
                csvData.Settings.TrimWhitespace = true;

                for (int i = 0; i < 30; i++) // known number of columns for testing purposes
                {
                    csvData.Columns.Add("varchar");
                }

                using (SqlBulkCopy bulkCopy = new SqlBulkCopy(@"Data Source=XPDEVVM\XPDEV;Initial Catalog=MyTest;Integrated Security=SSPI;"))
                {
                    bulkCopy.DestinationTableName = "work.test";

                    for (int i = 0; i < 30; i++)
                    {
                        bulkCopy.ColumnMappings.Add(i, i); // map First to first_name
                    }

                    bulkCopy.WriteToServer(csvData);

                }
            }
        }
    }

    private TextReader GetData()
    {
        StringBuilder result = new StringBuilder();
        int totalDataLines = 0;
        using (FileStream fs = new FileStream(pathToFile, FileMode.Open, System.IO.FileAccess.Read, FileShare.ReadWrite))
        {
            using (StreamReader sr = new StreamReader(fs))
            {
                string line = string.Empty;
                while ((line = sr.ReadLine()) != null)
                {
                    if (line.StartsWith("D\t"))
                    {
                        totalDataLines++;
                        if (totalDataLines < 100000) // Arbitrary method of restricting how much data is read at once.
                        {
                            result.AppendLine(line);
                        }
                    }
                }
            }
        }
        totalNumberOfLinesProcessed += totalDataLines;
        return new StringReader(result.ToString());
    }

Answer 1

实际上，您的代码正在从文件读取所有数据并保留在TextReader（在内存中）。然后，您从TextReader读取数据以保存服务器。

如果数据太大，TextReader中的数据大小会导致内存不足。请尝试这种方式。

1）从文件中读取数据（每行）。

2）然后将每一行插入服务器。

内存不足问题将得到解决，因为只有处理时内存中的每条记录。

伪代码

begin tran

While (data = FilerReader.ReadLine())
{
  insert into Table[col0,col1,etc] values (data[0], data[1], etc)
}

end tran

Answer 2

可能不是您正在寻找的答案，但这是BULK INSERT的目的。

Answer 3

我只是使用readLine方法添加BufferedFileReader，并以上述方式进行exatcly。

在这里基本了解resposnisbilties。

BufferedFileReader是从文件中读取数据的类（buffe wise）应该还有一个LineReader。 CSVReader是一个用于读取数据的util类，假设它的格式正确。

SQlBulkCopy你是nowsay使用。

第二个选项

您可以直接转到数据库的导入工具。如果文件的格式是正确的，那么程序的漏洞点就是这个。那也会更快。

Answer 4

我想你可能有一个数据大小的红鲱鱼。每次遇到这个问题时，都不是数据的大小，而是循环数据时创建的对象数量。

查看while循环，在方法button3_Click（object sender，EventArgs e）中向db添加记录：

TextReader tr = GetData();
using (CsvDataReader csvData = new CsvDataReader(tr, '\t'))

在这里，您每次迭代都会声明并实例化两个对象 - 这意味着对于您读取的每个文件块，您将实例化200,000个对象;垃圾收集器无法跟上。

为什么不在while循环之外声明对象？

TextReader tr = null;
CsvDataReader csvData = null;

这样，gc将有一半的机会。您可以通过对while循环进行基准测试来证明这种差异，毫无疑问，在创建了几千个对象后，性能会大幅下降。

Answer 5

伪代码：

while (!EOF) {
   while (chosenRecords.size() < WRITE_BUFFER_LIST_SIZE) {
      MyRecord record = chooseOrSkipRecord(file.readln());
      if (record != null) {
         chosenRecords.add(record)
      }
   }  
   insertRecords(chosenRecords) // <== writes data and clears the list
}

WRITE_BUFFER_LIST_SIZE只是您设置的常量...更大意味着更大的批次，更小意味着更小的批次。大小为1是RBAR :)。

如果您的操作足够大以至于中途失败是一种现实的可能性，或者如果中途失败可能会花费一些非常微不足道的金钱，您可能还想写第二个表处理的记录总数到目前为止来自文件（包括您跳过的那些）作为同一交易的一部分，以便您可以在部分完成时从中途停下来。

Answer 6

不是逐个读取csv行并逐个插入db，我建议读取一个块并将其插入数据库。重复此过程，直到读完整个文件。

您可以在内存中缓冲，一次说1000 csv行，然后将它们插入数据库。

int MAX_BUFFERED=1000;
int counter=0;
List<List<String>> bufferedRows= new ...

while (scanner.hasNext()){
  List<String> rowEntries= getData(scanner.getLine())
  bufferedRows.add(rowEntries);

  if (counter==MAX_BUFFERED){
    //INSERT INTO DATABASE
    //append all contents to a string buffer and create your SQL INSERT statement
    bufferedRows.clearAll();//remove data so it could be GCed when GC kicks in
  }
}

如何在不耗尽内存的情况下从磁盘读取大型文件到数据库

6 个答案: