SSIS - 将表数据分块导出到平面文件

Question

我需要将表数据导出到一个平面文件（.csv 格式）中，每个文件每个只包含 5000 条记录。如果表有 10000 条记录，那么它必须创建 2 个文件，每个文件有 5000 条记录。表中的记录将每天增加。所以基本上我正在寻找一种动态解决方案，它将“n”个记录导出到“n”个文件，每个文件只有 5000 条记录。

*一个简单的可视化： 假设该表有 10230 条记录。我需要的是：

File_1.csv - 1 到 5000 条记录

File_2.csv - 5001 到 10000 条记录

File_3.csv - 10001 到 10230 条记录*

我已经为上述逻辑尝试了 BCP 命令。这可以使用数据流任务完成吗？

Answer 1

不，这不是 SSIS 本身就能很好地支持的东西。

脚本任务或充当目标的脚本组件可以完成此任务，但您需要重新发明轮子的重要部分来处理所需的所有文件。

第一步是以可重复的方式将行号添加到来自源的所有行。这可以像SELECT *, ROW_NUMBER() OVER (ORDER BY MyTablesKey) AS RN FROM dbo.MyTable 一样简单

现在您有一个与每一行关联的单调递增值，如果您采用 ForEach 方法，您可以使用 referenced 答案来提取给定范围内的数据。

如果您可以对您拥有的数据桶/数据文件的数量设定一个合理的上限，那么您可以使用一些分析函数来指定分组的大小。然后，所有数据都被输入数据流，并且您有一个条件拆分，其输出缓冲区的上限价值指向平面文件目标。

另一种方法是按原样导出文件，然后使用PowerShell 之类的东西将其拆分为更小的单元。 Unix 很好，因为他们有 split 作为这类事情的本机方法。

Answer 2

嗯，可以使用标准 SSIS 组件和 SQL 2012+ 来完成。想法如下 - 使用 SELECT ... ORDER BY ... OFFSET <Row offset> ROWS FETCH NEXT <Row number> ROWS 作为存储桶源，并将其与 FOR 容器和带有表达式的平面文件目标一起使用。
更多详情：

1. 使用初始化值为 0 的 Iterator int 变量和平面文件目标创建包，其中连接字符串定义为“\Filename_”+[User::Iterator]+“.csv”的表达式。还将 Bucket_size 变量或参数定义为 int
2. 创建 For 循环序列容器。暂时将其参数留空。下一步将在 For 循环中进行。
3. 在循环容器（或包级别 - 由您决定）使用"SELECT count(*) FROM ... ORDER BY ... OFFSET "+(DT_WSTR,20)[User::Iterator]*[User::Bucket_Size]+" ROWS " 创建 SQL_rowcount 变量。此命令为您提供当前存储桶中的剩余行数。
4. 使用来自 SQL_rowcount 变量的命令创建任务执行 SQL 命令，并将单个结果存储到变量 Bucket_Rowcount。
5. 使用表达式"SELECT .. FROM ... ORDER BY ... OFFSET "+(DT_WSTR,20)[User::Iterator]*[User::Bucket_Size]+" ROWS FETCH NEXT "+(DT_WSTR,20)[User::Bucket_Size]+" ROWS" 创建字符串变量SQL_bucket。
6. 使用来自 SQL_bucket 变量的命令和步骤 1 中的平面文件目标创建一个简单的数据流任务 - OLEDB 源。
7. 现在小技巧 - 我们必须定义循环条件。我们根据当前桶的行数来做——最后一个桶的行数不超过桶大小。继续条件（在循环进入之前检查） - 最后一次迭代有多个 Bucket 行（下一次迭代至少还剩 1 行）。
   因此，为 For 循环容器定义以下属性
   • InitExpression - @Bucket_Rowcount = @Bucket_Size + 1
   • EvalExpression - @Bucket_Rowcount > @Bucket_Size
   • 赋值表达式 - @Iterator = @Iterator + 1

就是这样。
导出时不修改源表可以优化；首先（在 For 循环之前）获取行数并计算桶数，并执行此次数的迭代。因此，您可以避免在循环中重复 select count(*) 语句。