昨天在一次面试中,我被问到这个问题,我提供的答案似乎没有给面试官留下深刻的印象。:(
这是一个场景。文件在新行分隔的记录中具有逗号分隔的属性值。要求此文件必须进入具有匹配的列序列的数据库表中。该文件有一个自引用列,即一列" id“保存该记录的唯一非空id,另一列"LinkId”包含其他记录的id。该值可以为空。
要求:该文件必须插入到数据库中的相同顺序,但所有的一次!这意味着没有多个插入。
问:如何在.Net框架中最好地实现这一点(您可以使用最新的4.0框架)
我给出的解决方案是:逐行读取文件并将其解析为所需的XML。然后使用DataTable.ReadXML()调用将文件立即加载到数据表中,并提交保存数据表的数据集。
挑战:
一个100 GB的文本文件怎么样?它会这样工作吗?功能会变得多慢?如果我们必须在内存中存储100 GB的数据,那么系统的虚拟地址空间会支持它吗?页面交换不会导致问题和变慢吗?
DataTable.ReadXML()能处理这么大的XML吗?数据集是否能够提交?
我的回答是:
有什么想法吗,伙计们?
谢谢哈里什。
发布于 2011-06-01 11:30:52
如果使用的是SQL Server,则可以使用BULK INSERT命令
http://msdn.microsoft.com/en-us/library/ms188365.aspx
基本上,您设置了一个SQLCommand对象,将CommandText设置为如下所示:
sqlCommand.CommandText = "BULK INSERT " & tableName & " FROM '" & file & "' WITH(TABLOCK, FIELDTERMINATOR=',')
sqlCommand.ExecuteNonQuery()tableName -是要插入的表格的名称。
文件-是希望SQL Server读取的文件的名称。您需要确保SQL Server可以到达存储文件的位置。这包括ACL权限和网络连接。
BULK INSERT命令有很多选项,我以前用过它,它工作得很好。
发布于 2011-06-01 11:42:27
不管怎样,你都会有多个插入。如果文件不太大,最简单的方法是首先创建一个数据库事务,然后逐行读取并为每行创建一个insert命令。一旦所有行都被读取,您就可以提交事务。
对于一个100 up的文本文件,我会首先将其拆分成小得多的块,以便插入。也许每1000行提交一次事务?
对我来说,"Id“和"LinkId”字段看起来就像一个经典的父>子关系。因此,只要先插入父对象,就不会有问题。
您没有提到这将是哪种类型的数据库,但是如果它是MSSQL,那么您还可以使用Linq to Sql每行创建一个新对象并将其添加到列表中。假设你使用的是C#,你可以使用:
List<YourObject> YourList = new List<YourObject>();
using(System.IO.StreamReader file = new System.IO.StreamReader("C:\yourstorage.txt")) {
    while((line = file.ReadLine()) != null) {
        string[] fields = line.Split(',');
        YourObject obj = new YourObject();
        obj.FieldX = fields[0];
        obj.FieldY = fields[1];
        obj.FieldZ = fields[2];
        YourList.Add(obj);
    }
}
using(YourDataContext db = new YourDataContext()) {
    db.YourObjects.InsertAllOnSubmit(YourList);
    db.SubmitChanges();
}其中YourObject是已经添加到项目中的Linq to Sql模型,YourObjects是数据库中的实际表名。但是对于一个巨大的文件来说,这可能会占用大量的内存。
发布于 2011-06-01 11:16:58
显然,您可以使用OLEDB打开CSV文件see this for example,从那里将数据从一个数据库获取到另一个数据库应该很容易。
我不确定它是否真的解决了内存问题,但它比在内存中构造XML副本要好得多。
https://stackoverflow.com/questions/6195796
复制相似问题