java - 需要更好的算法来使用 Java 清理 SQL Server 表

Question

我需要定期清理 SQL Server 表，但我的解决方案花费的时间长得离谱(73,000 条记录大约需要 12 分钟)。

我的表有 4 个字段:

id1
id2
val1
val2

对于具有相同“id1”的每组记录，我需要保留第一个(最低的 id2)和最后一个(最高的 id2)并删除介于两者之间的所有内容，除非 val1 或 val2 与之前的(次低的“id2”相比发生了变化“) 记录。

如果您到目前为止都在关注我，那么更高效的算法是什么？这是我的 Java 代码:

boolean bDEL=false;
qps = conn.prepareStatement("SELECT id1, id2, val1, val2 from STATUS_DATA ORDER BY id1, id2");
qrs = qps.executeQuery();
//KEEP FIRST & LAST, DISCARD EVERYTHING ELSE *EXCEPT* WHERE CHANGE IN val1 or val2
while (qrs.next()) {
    thisID1 = qrs.getInt("id1");
    thisID2 = qrs.getInt("id2");
    thisVAL1= qrs.getInt("val1");
    thisVAL2= qrs.getDouble("val2");
    if (thisID1==lastID1) {     
        if (bDEL) {             //Ensures this is not the last record
            qps2 = conn2.prepareStatement("DELETE FROM STATUS_DATA where id1="+lastID1+" and id2="+lastID2);
            qps2.executeUpdate();
            qps2.close();
            bDEL = false;
        }
        if (thisVAL1==lastVAL1 && thisVAL2==lastVAL2) {
            bDEL = true;
        }
    } else if (bDEL) bDEL=false;
    lastID1 = thisID1;
    lastID2 = thisID2;
    lastVAL1= thisVAL1;
    lastVAL2= thisVAL2;
}

更新 2015 年 4 月 20 日上午 11:10

好的，这是我的最终解决方案 - 对于每条记录，Java 代码将 XML 记录输入到字符串中，每 10,000 条记录写入文件，然后 java 调用 SQL Server 上的存储过程并将文件名传递给读取.如果使用动态SQL执行openrowset，存储过程只能使用文件名作为变量。我将尝试处理过程执行的间隔，但到目前为止我的性能结果如下:

BEFORE (1 record delete at a time):
73,000 records processed, 101 records per second

AFTER (bulk XML import):
1.4 Million records processed, 5800 records per second

JAVA 片段:

String ts, sXML = "<DataRecords>\n";
boolean bDEL=false;
qps = conn.prepareStatement("SELECT id1, id2, val1, val2 from STATUS_DATA ORDER BY id1, id2");
qrs = qps.executeQuery();
//KEEP FIRST & LAST, DISCARD EVERYTHING ELSE *EXCEPT* WHERE CHANGE IN val1 or val2
while (qrs.next()) {
    thisID1 = qrs.getInt("id1");
    thisID2 = qrs.getInt("id2");
    thisVAL1= qrs.getInt("val1");
    thisVAL2= qrs.getDouble("val2");
        if (bDEL && thisID1==lastID1) {                             //Ensures this is not the first or last record
            sXML += "<nxtrec id1=\""+lastID1+"\" id2=\""+lastID2+"\"/>\n";
            if ((i + 1) % 10000 == 0) {                                 //Execute every 10000 records
                sXML += "</DataRecords>\n";                             //Close off Parent Tag
                ts = String.valueOf((new java.util.Date()).getTime());  //Each XML File Uniquely Named
                writeFile(sDir, "ds"+ts+".xml", sXML);                  //Write XML to file

                conn2=dataSource.getConnection();
                cs = conn2.prepareCall("EXEC SCRUB_DATA ?");
                cs.setString(1, sdir + "ds"+ts+".xml");
                cs.executeUpdate();                                     //Execute Stored Procedure
                cs.close(); conn2.close();
                deleteFile(SHMdirdata, "ds"+ts+".xml");                 //Delete File

                sXML = "<DataRecords>\n";
            }
            bDEL = false;
        }
        if (thisID1==lastID1 && thisVAL1==lastVAL1 && thisVAL2==lastVAL2) {
            bDEL = true;
        } else if (bDEL) bDEL=false;
    } else if (bDEL) bDEL=false;
    lastID1 = thisID1;
    lastID2 = thisID2;
    lastVAL1= thisVAL1;
    lastVAL2= thisVAL2;
    i++;
}
qrs.close(); qps.close(); conn.close();

sXML += "</DataRecords>\n";
ts = String.valueOf((new java.util.Date()).getTime());
writeFile(sdir, "ds"+ts+".xml", sXML);

conn2=dataSource.getConnection();
cs = conn2.prepareCall("EXEC SCRUB_DATA ?");
cs.setString(1, sdir + "ds"+ts+".xml");
cs.executeUpdate();     
cs.close(); conn2.close();
deleteFile(SHMdirdata, "ds"+ts+".xml");

XML 文件输出:

<DataRecords>
<nxtrec id1="100" id2="1112"/>
<nxtrec id1="100" id2="1113"/>
<nxtrec id1="100" id2="1117"/>
<nxtrec id1="102" id2="1114"/>
...
<nxtrec id1="838" id2="1112"/>
</DataRecords>

SQL SERVER 存储过程:

PROCEDURE [dbo].[SCRUB_DATA] @floc varchar(100)     -- File Location (dir + filename) as only parameter 

BEGIN
        SET NOCOUNT ON;

        DECLARE @sql as varchar(max);
        SET @sql = '
                DECLARE @XmlFile XML

                SELECT @XmlFile = BulkColumn 
                FROM  OPENROWSET(BULK ''' + @floc + ''', SINGLE_BLOB) x;

                CREATE TABLE #TEMP_TABLE (id1 INT, id2 INT);

                INSERT INTO #TEMP_TABLE (id1, id2)  
                SELECT
                        id1 = DataTab.value(''@id1'', ''int''),
                        id2 = DataTab.value(''@id2'', ''int'')
                FROM
                        @XmlFile.nodes(''/DataRecords/nxtrec'') AS XTbl(DataTab);

                delete from D
                from STATUS_DATA D
                inner join #TEMP_TABLE T on ( (T.id1 = D.id1) and (T.id2 = D.id2) );    
        ';
    EXEC (@sql);    
END

Answer 1

几乎可以肯定，您的性能问题不在算法中，而在实现中。假设您的清理步骤必须删除 10,000 条记录，这意味着您将有 10000 次往返数据库服务器。

不是这样做，而是将每个要删除的 id 对写入一个 XML 文件，并将该 XML 文件发送到 SQL 服务器存储过程，该过程将 XML 分解到相应的 temp 或 temp_var 表中。然后使用单个 delete from(或等效的)删除所有 10K 行。

如果您不知道如何在 TSQL 中分解 xml，那么值得花时间学习。看看a simple example要开始，只需查看“tsql shred xml”的几个搜索结果即可。

已添加

将 10K 条记录拉到客户端应该 < 1 秒。您的 Java 代码也是如此。如果您没有时间按照建议学习使用 XML，您可以快速编写一个脏存储过程，它接受 10(20、50？)对 id 并从存储过程中删除相应的记录。我经常使用 XML 方法来“批处理”来自客户端的内容。如果您的批处理“很大”，您可能会考虑在 SQL Server 上使用 BULK INSERT 命令——但是 XML 很简单而且更灵活一些，因为它可以包含嵌套的数据结构。例如，主/从关系。

已添加

我只是在本地做的

create table #tmp
(
  id int not null
  primary key(id)
)
GO
insert #tmp (id)
  select 4
union
  select 5
GO

-- now has two rows #tmp

delete from L
from TaskList L
inner join #tmp T on (T.id = L.taskID)

(2 row(s) affected)

-- and they are no longer in TaskList

即，除非您以某种方式做错了，否则这应该不是问题。您是否正在创建临时表，然后尝试在不同的数据库连接/ session 中使用它。如果 session 不同，则在第 2 个 session 中不会看到临时表。

很难想出另一种方法让我的头顶上出现这种错误。