sql索引從入門到精通(十億行數據測試報告)(3)

　　海量的數據處理問題，這是一 項艱巨而復雜的任務。原因有以下幾個方面：

　　一、 數據量過大，數據中什么情況都可能存在。如果說有10條數據，那么大不了每條逐一檢查，人為處理，如果有上百條數據，也可以考慮，如果數 據上到千萬級別，甚至過億，那不是手工能解決的了，必須通過工具或者程序進行處理，在海量的數據中，什么情況都可能存在，例如，數據中某處格式出了問題。 尤其在程序處理時，前面還能正常處理，突然到了某個地方問題出現了，程序終止了。

　　二、 軟硬件要求高，系統資源占用率高。對海量的數據進行處 理，除了好的方法，最重要的就是合理的使用工具，合理分配系統資源。一般情況、如果處理的數據過TB級，小型機是要考慮的，普通的機子如果有好的方法可以考慮，不過也必須加大CPU的內存，就象面對著千軍萬馬，光有勇氣沒有一兵 一卒是很難取勝的。

　　三、 要求很高的處理方法和技巧。這也是本文的寫作目的所在，好的處理方法是一位工程師長期工作經驗 的積累，也是個人的經驗的總結。沒有通用的處理方法，但有通用的原理和規則。

　　那么處理海量數據有哪些經驗和技巧?我把我所知道的羅列一下，一共大家參考：

　　選擇優秀的數據庫 工具

　　現 在的數據庫工具廠家比較多，對海量數據的處理對所使用的數據庫工具要求比較高，一般使用Oracle或者DB2，微軟的SQL Server2005性能也不錯。另外在BI領域：數據庫，數據倉庫，多維數據庫，數據挖掘等相關工具也要進行選擇，象好的ELT工具和好的OLAP工具都十分必要，例如Informatic，Eassbase等。筆者在實際數據分析項目中，對每天6000萬條的日志數據進行處理，使用SQL Server 2000需要花費6小時，而使用SQL Server 2005則只需要花費3小時。

　　編寫優良的程序代碼

　　處理數據離不開優秀的程序代碼，尤其在進行復雜數據處理時，必須使用程序。好的程序代 碼對數據的處理至關重要，這不僅僅是數據處理準確度的問題，更是數據處理效率的問題。良好的程序代碼應該包含好的算法，處理流程、效率和異常處理機制等。

　　對海量數據進行分去操作

　　對海量數據進行分區操作十分必要，例如針對按年份存取的 數據，我們可以按年進行分區，不同的數據有不同的分區方式，不過處理機制大體相同。例如SQL Server的數據庫分區時將不同的數據存于不同的文件組下，而不同的文件組存于不同的磁盤分區下，這樣將數據分散開，減少磁盤I/O，減少系統負荷，而且還可以將日志、索引等放于 不同的分區下。

　　建立廣泛的索引

　　對海量的數據處理，對大表建立索引是必行的。建立索引 要考慮到具體情況，例如針對大表的分組、排序等字段，都要建立相應索引，還可以建立復合索引，對經常插入的表則建立索引要小心，筆者在處理數據時曾經在一 個ETL流程中，當插入表時，首先刪除索 引，然后插入完畢，建立索引，并實施聚合操作，聚合完成后，再次插入前還是刪除索引，所以索引要用到好的時機，索引的填充因子和聚集，非聚集索引都要考 慮。

　　建立緩存機制

　　當數據量增加時，一般 的處理工具都要考慮到緩存問題，緩存大小設置的好差也關系到數據處理的成敗，例如，筆者在處理2億條數據聚合操作時，緩存設置為100000條/Buffer，這對于這個級別的數據量是可行的。

　　加大虛擬內存

　　如果系統資源有限，內 存提示不足，則可以靠增加虛擬內存來解決。筆者在實際項目中曾經遇到針對18億條的數據進行處理，內存為1GB1個P4 2.4G的CPU， 對這么大的數據量進行聚合操作是有問題的，提示內存不足，筆者采用了加大虛擬內存的方式來解決，在6塊磁盤分區上分別建立了6個4096M的磁盤分區，用于虛擬內存，這樣虛擬內存則增加為4096*6+1024=25600 M，解決了數據處理中的內存不足問題。

　　分批處理

　　海量數據處理難因數量 大，那么解決海量數據處理難的問題其中一個技巧是減少數據量?？梢詫Ａ繑祿峙幚?，然后處理后的數據再進行合并操作，這樣逐個擊破，有利于小數據量的 處理，不至于面對大數量帶來的問題，不過這種方法也要因時因勢進行，如果不允許需要拆分數據，還需要另想辦法。不過一般的數據按天、按月、按年等存儲的， 都可以采用先分后合的方法，對數據進行分開處理。

　　使用臨時表和中間表

　　數據量增加時，處理中要考慮提前匯總。這樣做的目的是化整為零，大表變小表，分塊處理完成后， 再利用一定的規則進行合并，處理過程的臨時表的使用和中間結果的保存都非常重要，如果對于超海量的數據，大表處理不了，只能拆分為多個小表。如果處理過程 中需要多步匯總操作，可按匯總步驟一步步來，不要一條語句完成一口氣吃掉一個胖子。

　　優化查詢SQL語句

　　對海量數據進行查詢處 理過程中，查詢的SQL語句的性能對查詢效 率的影響是非常大的，編寫高效優良的SQL腳本和存儲過程是數據庫工作人員的職責，也是檢驗數據庫工作人員水平的一個標準，在對SQL語句的編寫過程中例如減少關聯，少用或不用游標， 設計好高效的數據庫表結構等都十分必要。筆者在工作中試著對1億行的數據使用游標，進行3小時沒有出結果，這時一定要改用程序處理了

　　石油文本格式進行處理

　　對一般的數據處理可以使用數據庫，如果對復雜的數據處 理，必須借助程序，那么在程序操作數據庫和程序操作文本之間選擇，是一定要選擇程序操作文本的，原因為：程序操作文本速度快;對文本進行處理不容易出錯; 文本的存儲不受限制等。例如一般的海量的網絡日志都是文本格式或者csv格式(文本格式)，對它進行處理牽扯到數據清洗，是要利用程序進行處理的，而不建議導入數據庫在做清洗。

　　定制強大的清洗規 則和出錯處理機制

　　海量數據中存在著不一致性，極有可能出現某處的瑕疵。 例如同樣的數據中的時間字段，有的可能為非標準的時間，出現的原因肯能是應用程序的錯誤，系統的錯誤等，這是在進行數據處理時，必須制定強大的數據清洗規 則和出錯處理機構。

　　建立視圖或者物化視圖

　　視圖中的數據來源于基表，對海量數據的處理，可以將數據按一定的規劃分散到各個基表中，查詢或 處理過程中可以基于視圖進行，這樣分散了磁盤I/O，正如10根繩子吊著一根柱子和一根繩子吊著一根柱子的區別。

原文轉自：http://www.kjueaiud.com