sql索引从入门到精通(十亿行数据测试报告)(3)

　　海量的数据处理问题，这是一 项艰巨而复杂的任务。原因有以下几个方面：

　　一、 数据量过大，数据中什么情况都可能存在。如果说有10条数据，那么大不了每条逐一检查，人为处理，如果有上百条数据，也可以考虑，如果数 据上到千万级别，甚至过亿，那不是手工能解决的了，必须通过工具或者程序进行处理，在海量的数据中，什么情况都可能存在，例如，数据中某处格式出了问题。 尤其在程序处理时，前面还能正常处理，突然到了某个地方问题出现了，程序终止了。

　　二、 软硬件要求高，系统资源占用率高。对海量的数据进行处 理，除了好的方法，最重要的就是合理的使用工具，合理分配系统资源。一般情况、如果处理的数据过TB级，小型机是要考虑的，普通的机子如果有好的方法可以考虑，不过也必须加大CPU的内存，就象面对着千军万马，光有勇气没有一兵 一卒是很难取胜的。

　　三、 要求很高的处理方法和技巧。这也是本文的写作目的所在，好的处理方法是一位工程师长期工作经验 的积累，也是个人的经验的总结。没有通用的处理方法，但有通用的原理和规则。

　　那么处理海量数据有哪些经验和技巧?我把我所知道的罗列一下，一共大家参考：

　　选择优秀的数据库 工具

　　现 在的数据库工具厂家比较多，对海量数据的处理对所使用的数据库工具要求比较高，一般使用Oracle或者DB2，微软的SQL Server2005性能也不错。另外在BI领域：数据库，数据仓库，多维数据库，数据挖掘等相关工具也要进行选择，象好的ELT工具和好的OLAP工具都十分必要，例如Informatic，Eassbase等。笔者在实际数据分析项目中，对每天6000万条的日志数据进行处理，使用SQL Server 2000需要花费6小时，而使用SQL Server 2005则只需要花费3小时。

　　编写优良的程序代码

　　处理数据离不开优秀的程序代码，尤其在进行复杂数据处理时，必须使用程序。好的程序代 码对数据的处理至关重要，这不仅仅是数据处理准确度的问题，更是数据处理效率的问题。良好的程序代码应该包含好的算法，处理流程、效率和异常处理机制等。

　　对海量数据进行分去操作

　　对海量数据进行分区操作十分必要，例如针对按年份存取的 数据，我们可以按年进行分区，不同的数据有不同的分区方式，不过处理机制大体相同。例如SQL Server的数据库分区时将不同的数据存于不同的文件组下，而不同的文件组存于不同的磁盘分区下，这样将数据分散开，减少磁盘I/O，减少系统负荷，而且还可以将日志、索引等放于 不同的分区下。

　　建立广泛的索引

　　对海量的数据处理，对大表建立索引是必行的。建立索引 要考虑到具体情况，例如针对大表的分组、排序等字段，都要建立相应索引，还可以建立复合索引，对经常插入的表则建立索引要小心，笔者在处理数据时曾经在一 个ETL流程中，当插入表时，首先删除索 引，然后插入完毕，建立索引，并实施聚合操作，聚合完成后，再次插入前还是删除索引，所以索引要用到好的时机，索引的填充因子和聚集，非聚集索引都要考 虑。

　　建立缓存机制

　　当数据量增加时，一般 的处理工具都要考虑到缓存问题，缓存大小设置的好差也关系到数据处理的成败，例如，笔者在处理2亿条数据聚合操作时，缓存设置为100000条/Buffer，这对于这个级别的数据量是可行的。

　　加大虚拟内存

　　如果系统资源有限，内 存提示不足，则可以靠增加虚拟内存来解决。笔者在实际项目中曾经遇到针对18亿条的数据进行处理，内存为1GB1个P4 2.4G的CPU， 对这么大的数据量进行聚合操作是有问题的，提示内存不足，笔者采用了加大虚拟内存的方式来解决，在6块磁盘分区上分别建立了6个4096M的磁盘分区，用于虚拟内存，这样虚拟内存则增加为4096*6+1024=25600 M，解决了数据处理中的内存不足问题。

　　分批处理

　　海量数据处理难因数量 大，那么解决海量数据处理难的问题其中一个技巧是减少数据量。可以对海量数据分批处理，然后处理后的数据再进行合并操作，这样逐个击破，有利于小数据量的 处理，不至于面对大数量带来的问题，不过这种方法也要因时因势进行，如果不允许需要拆分数据，还需要另想办法。不过一般的数据按天、按月、按年等存储的， 都可以采用先分后合的方法，对数据进行分开处理。

　　使用临时表和中间表

　　数据量增加时，处理中要考虑提前汇总。这样做的目的是化整为零，大表变小表，分块处理完成后， 再利用一定的规则进行合并，处理过程的临时表的使用和中间结果的保存都非常重要，如果对于超海量的数据，大表处理不了，只能拆分为多个小表。如果处理过程 中需要多步汇总操作，可按汇总步骤一步步来，不要一条语句完成一口气吃掉一个胖子。

　　优化查询SQL语句

　　对海量数据进行查询处 理过程中，查询的SQL语句的性能对查询效 率的影响是非常大的，编写高效优良的SQL脚本和存储过程是数据库工作人员的职责，也是检验数据库工作人员水平的一个标准，在对SQL语句的编写过程中例如减少关联，少用或不用游标， 设计好高效的数据库表结构等都十分必要。笔者在工作中试着对1亿行的数据使用游标，进行3小时没有出结果，这时一定要改用程序处理了

　　石油文本格式进行处理

　　对一般的数据处理可以使用数据库，如果对复杂的数据处 理，必须借助程序，那么在程序操作数据库和程序操作文本之间选择，是一定要选择程序操作文本的，原因为：程序操作文本速度快;对文本进行处理不容易出错; 文本的存储不受限制等。例如一般的海量的网络日志都是文本格式或者csv格式(文本格式)，对它进行处理牵扯到数据清洗，是要利用程序进行处理的，而不建议导入数据库在做清洗。

　　定制强大的清洗规 则和出错处理机制

　　海量数据中存在着不一致性，极有可能出现某处的瑕疵。 例如同样的数据中的时间字段，有的可能为非标准的时间，出现的原因肯能是应用程序的错误，系统的错误等，这是在进行数据处理时，必须制定强大的数据清洗规 则和出错处理机构。

　　建立视图或者物化视图

　　视图中的数据来源于基表，对海量数据的处理，可以将数据按一定的规划分散到各个基表中，查询或 处理过程中可以基于视图进行，这样分散了磁盘I/O，正如10根绳子吊着一根柱子和一根绳子吊着一根柱子的区别。

原文转自：http://www.ltesting.net