[SQL ] 資料表合併問題
各位大大好,我先將專案目前的情況與遇到的難題簡述如下。
我使用的是Microsoft SQL
有一個資料表(Table.Data),每隔數日必須接收數億筆數據資料。
它的欄位可以下方表示。
===============================================
Table.Data 共三欄
欄位名 Col.DataID Col.Value1 Col.Value2
型態 int float float
===============================================
又Value1與Value2 的數據來源為不同儀器,因此資料集的初始狀態如下(示例)
(實際上是14欄共14種儀器)
====================================
Table.Temp1(暫存表格)
Col.DataID Col.Value1 Col.Value2
1 0.000001 NULL
2 0.000002 NULL
... ... ...
(數億筆)
====================================
====================================
Table.Temp2(暫存表格)
Col.DataID Col.Value1 Col.Value2
1 NULL 0.999999
2 NULL 0.999998
... ... ...
(數億筆但筆數會與Temp1相同)
====================================
前提是我已運用1.Comparision(壓縮方法)
2.資料表分割方法
3.建立索引
建立此表(Table.Data),
我打算不管裡面的數據資料成長得多大,都放在同一張表格裡,
以便於查詢與後續數據分析工作。
首先遇到的第一個難題,是如何在原本已有數十億筆資料的表格中,
"非常有效率地"再插入數億筆資料?
我想到sqlbulkcopy方法,但bcp方法的限制為,"原先的表格必須是空的",
所以我想到一個解決方法:
就是先建立一個暫存表格存最新數據,再將舊表與暫存表格合併起來,
但是表格的合併問題讓我很苦惱,
我查了union與join兩種方法,
union方法會讓數據集變成下面的長相
Col.DataID Col.Value1 Col.Value2
1 0.000001 NULL
1 NULL 0.999999
2 0.000002 NULL
2 NULL 0.999998
而full join方法會讓數據集
Col.DataID Col.Value1 Col.Value2 Col.DataID Col.Value1 Col.Value2
1 0.000001 NULL 1 NULL 0.999999
2 0.000002 NULL 2 NULL 0.999998
兩種都不是我要的
Col.DataID Col.Value1 Col.Value2
1 0.000001 0.999999
2 0.000002 0.999998
最終長相。
所以可否請教各位大大
1.用什麼TQL指令的結合,可以正確生成我要的最終表格樣貌?
2.回歸本問題的前點,我硬將數十億筆資料塞進一張表中,
會不會造成什麼無法預期的後果?(在我已經將該表效率最佳化的情況下)
3.回歸到本問題的初始狀態,是否有其它通行的解決方法,
可以解決"在數十億筆資料中再插入數億筆資料"的存取效率方法?
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.115.61.67
→
10/22 16:04, , 1F
10/22 16:04, 1F
推
10/22 16:50, , 2F
10/22 16:50, 2F
→
10/22 16:51, , 3F
10/22 16:51, 3F
→
10/22 17:33, , 4F
10/22 17:33, 4F
討論串 (同標題文章)
以下文章回應了本文:
完整討論串 (本文為第 1 之 2 篇):