推荐的多次查找编程模式

Question

我的任务是在另一个供应商生成的 CSV 文件和超过 300 个独立但结构相同的 CRM 数据库之间创建数据同步过程。所有 CRM 数据库都在同一个 SQL Server 实例中定义。具体如下：

源数据将是一个 CSV，其中包含客户选择加入营销通信的所有电子邮件地址的列表。此 CSV 文件将在每晚完整发送，但将包含记录级别的日期/时间戳，这将允许我仅选择自上次处理周期以来已修改的那些记录。 CSV 文件可能包含数十万行，但每天的预期变化量将大大低于此值。

我将从 CSV 中选择数据，并将每一行转换为自定义 List<T> 对象。

查询 CSV 并转换数据后，我需要将此 List<T> 的内容与 CRM 数据库进行比较。这是因为 CSV 文件中包含的任何给定电子邮件地址都可能：

• 300 个数据库中的任何个数据库中都不存在
• 存在于 300 个数据库之一中
• 存在于多个数据库中

如果主 CSV 列表中的电子邮件地址与任何 CRM 数据库匹配，则匹配的 CRM 记录将使用 CSV 文件中包含的值进行更新。

在一个很高的、非常通用的层面上，我想我必须做这样的事情：

foreach(string dbName in masterDatabaseList)
{
    //open db connection

    foreach(string emailAddress in masterEmailList)
    {
        //some helper method that would execute a SQL statement like
        //"IF EXISTS ... WHERE EMAIL_ADDRESS = <emailAddress>" return true;

        bool matchFound = EmailExistsInDb(emailAddress)

        if (matchFound )
        {
            //the current email from the master list does exist in this database
            //do necessary updates and stuff
        }
    }
}

这是最有效的方法吗？我并不热衷于访问 300 个数据库可能数千次以查看主 CSV 列表中的每封电子邮件是否存在。理想情况下，我想生成一条 SQL 语句：

"SELECT * FROM EMAIL_TABLE WHERE EMAIL_ADDRESS IN(email1,email2, email3,...)"

这将允许对数据库执行单个查询，但我不知道这种方法是否会更好/更有效，特别是因为我必须动态生成 SQL 并且可能会打开它注射。

在这种情况下，最佳做法是什么？因为我有 300 个数据库需要每次进行比较，所以我正在寻找一种能够以最少的处理时间产生最佳结果的方法。在我的生产代码中，我将实现一种多线程方法，以便可以同时处理多个数据库，因此任何方法都需要是线程安全的。

Answer 1

您的基本想法似乎是对的。为 CSV 中的每一行访问数据库一次太慢了。您可以像这样通过 LINQ 创建“where in”语句：

var addresses = GetEmailAddresses();
var entries = ctx.Entries.Where(e => addresses.Contains(e.EmailAddress));

但是，如果您的列表中的地址过多，则生成和评估您的查询需要很长时间。我建议将您的输入列表分成合理大小的批次（200 个条目？），然后使用上面的技巧通过单个数据库检查来处理每个批次。

一旦你完成了这项工作，你可以尝试其他一些方法，看看它们是否会在性能方面产生可衡量的差异：

1. 调整批量大小。
2. 以不同的并行度独立运行批次。
3. 在数据库表中使用索引，尤其是在电子邮件地址字段中。
4. 在将电子邮件地址分成批次之前对其进行排序。数据库查询可能会更好地利用硬盘缓存策略。

Answer 2

您可以将 csv 列表对象的内容放入表值参数中。然后调用存储过程，传入该 TVP。然后，存储过程可以在 300 个数据库中运行游标并连接到您的表值参数（使用 ad-hoc sql）。它基本上是一个循环 300 次的循环，这还不错。 像这样的东西：

CREATE PROCEDURE yourNewProcedure
(
    @TableValueParameter dbo.udtTVP READONLY
)
AS

DECLARE @dbName varchar(255)
DECLARE @SQL nvarchar(3000)

DECLARE DB_Cursor CURSOR LOCAL FOR
    SELECT DISTINCT name
    FROM sys.databases
    WHERE Name like '%yourdbs%'
OPEN DB_Cursor
FETCH NEXT FROM DB_Cursor INTO @dbName
WHILE @@FETCH_STATUS  = 0
BEGIN
    SET @SQL = 'UPDATE t
                SET t2.Field = t.Field              
                FROM @TableValueParameter t
                JOIN [' + @dbName + ']..TableYouCareAbout t2 ON t.Field = t2.Field '

    EXEC sp_executesql @SQL, N'@TableValueParameter dbo.udtTVP', @TableValueParamete

    FETCH NEXT FROM DB_Cursor INTO @dbName
END
CLOSE DB_Cursor
DEALLOCATE DB_Cursor