Oracle百万级数据导入（sqlldr）

前言：刚过完元旦，2019年的第一个任务，是在生产环境将一份配置数据从数据库A迁移到数据B（200多万条记录），数据库B为多个生产系统公用数据库，已效力多年，并且长期处于放养状态，如今早已年弱体衰，反应迟钝。将数据拿到手上后，先弄了1万条记录试下了水，发现不管是通过直接执行INSERT语句还是通过文本导入器，要把这200多万条记录都是我无法承受的痛。无奈之下，只能在网上另寻他法，这才发现原来有此等神器：sqlldr

---

什么是sqlldr

sqlldr是Oracle内置的工具，用来快速导入大批量数据，直接在命令行调用。

sqlldr参数

下表是sqlldr的部分参数，其中加粗的为常用参数，标红为必需参数。
注：sqlldr的命令行参数可以直接写在命令行，也可以放在控制文件，也可以直接放在参数文件PARFILE里面（在参数重复指定时，命令行中的参数具有最高的权重）

属性值	含义	默认值
userid	Oracle的username/password[@servicename]
control	控制文件
log	日志文件	默认与控制文件同名
bad	坏数据文件	默认与数据文件同名
discard	丢弃的数据文件
discardmax	允许丢弃数据的最大值	全部
skip	跳过的行/记录数，比如导入的数据文件前几行是表头或者描述	0
load	加载的行/记录数	全部
errors	允许的错误行/记录数	50
rows	每次提交的记录数，该参数受bindsize影响	常规路径：64 直接路径：全部
bindsize	每次提交记录的缓冲区的大小（字节）	256000
silent	禁止输出信息（header,feedback,errors,discards,partitions）
parfile	参数文件：包含参数规范的文件名
direct	使用直通路径方式导入，不走buffer cache，通过direct path api发送数据到服务器端的加载引擎，加载引擎按照数据块的格式处理数据并直接写向数据文件，因此效率较高	false
parallel	并行导入，仅在直接路径加载时有效，推荐设置true	false
file	并行加载时会用到该参数，指定file参数，要加载的内容即只向指定的数据文件写入数据，减少i/o
skip_unusable_indexes	不允许/允许不可用的索引或索引分区	false
skip_index_maintenance	不维护索引，将受影响的索引标记为不可用	false
commit_discontinued	停止加载时提交加载的行	false
readsize	缓冲区大小（字节）	1048576，最大不超过20m，该参数仅当从数据文件读取时有效，如果是从近制文件读取数据，则默认为64k
external_table	使用外部表进行加载	不使用
generate_only	sqlldr并不执行加载，而是生成创建外部表的sql和处理数据的sql，并保存在log文件中
execute	执行外部表并加载数据
columnarrayrows	指定直接路径加载时流缓冲区的行数	5000
streamsize	指定直接路径加载时流缓冲区的大小（字节）	256000
multithreading	指定直接路径加载时是否启用多线程
date_cache	指定直接路径加载时日期转换用缓存大小（以条目为单位）	1000
no_index_errors	在任何索引错误上中止加载	false

sqlldr导入有两种模式，常规路径加载和直接路径加载，默认使用常规路径加载，当direct=y或者direct=true时，使用直接路径加载。直接路径加载比常规路径拥有更高的效率，但也有诸多限制。

常规路径加载

1. 数据经过buffer cache，使用SQL处理数据，COMMIT提交操作，一次加载可能会涉及到多个事务处理，会产生大量undo数据（回滚数据）
2. 通过undo回滚
3. 触发INSERT 触发器
4. 操作过程中表仍可被并发访问

直接路径加载

1. 数据不经过buffer cache，从PGA直接把数据格式化成Oracle块，再写入数据文件，几乎不会产生undo数据。但是如果表上有索引，会产生索引的undo数据，而且索引的块会被读进buffer cache，这将会花费大量时间在索引的维护上。因此，在向表中传送大量数据时，建议先将表上的索引设置为unusable（或者使用skip_index_maintenance=true），待插入结束后，再rebuild索引 （alter index index_name rebuild nologging）
2. 数据不会写入HWM（高水位线）以下的数据块，而是在HWM之后写入，通过HWM回滚
3. 触发器在进行直接路径加载之前已禁用，在加载结束时会重新启用，如果重新启用时不能访问某个被引用对象，这些触发器可能会保持为禁用状态
4. 操作过程中对应的表会将会被锁定，所有在这张表上的CRUD操作将会被禁止，不能并发访问

控制文件

控制文件为sqlldr的必需项，在这个文件里指定了数据源，编码，操作类型，要操作的表等一系列参数，控制文件常见设置如下：

--关闭归档日志，提高导入速度（仅直接路径时有效）
--unrecoverable

load data

--指定编码
characterset 'UTF8'

--1.指定要加载的数据文件
--INFILE 和INDDN是同义词，它们后面都是要加载的数据文件。如果用 * 则表示数据就在控制文件内。
[ { INFILE | INDDN } {file | * } ]      
--BADFILE和BADDN是同义词。file指定坏数据保存的文件
[{ BADFILE | BADDN } file ]
--DISCARDFILE和DISCARDDN是同义词。file指定丢弃的数据文件
[{ DISCARDFILE | DISCARDDN } file ]

--2.指定操作类型
--insert：默认值，装载空表，如果原先的表有数据，sqlloader会停止
--append：原先的表有数据 就在表中追加新记录
--replace：删除旧记录(用 delete from table 语句)，替换成新装载的记录
--truncate：删除旧记录(用 truncate table 语句)，替换成新装载的记录
[ APPEND | REPLACE | INSERT | TRUNCATE ]

--3.指定操作的表
INTO TABLE [user.]table

--4.指定过滤条件
--[when id = id_memo]

--5.指定字段分隔符
--字段分隔符
fields terminated by ','
--字段用什么字符包括起来
optionally enclosed by '"'
--字段没有对应的值时允许为空
trailing nullcols

--6.指定表字段
--常见数据类型
--CHAR 字符
--DATE 日期
--INTEGER 整数
--FLOAT 普通符点
--DOUBLE 双精度符点
(
id,--类型未指定时，默认为character，每个字段的实际解析类型见log文件
code integer,
name char(1000),
sum double,
create_date date "yyyy-mm-dd hh24:mi:ss",
)

执行sqlldr

编写好控制文件test.ctl后，就可以通过命令行执行导入，由于我使用的数据源文件为PL/SQL直接导出的csv文件，因此要跳过第一行记录（表头），以下为windows下的使用示例：

//常规路径
//调整每次提交的行数和缓冲区大小，以减少事务提交的次数
sqlldr userid=xxx/xxxxxx@xxxxxx control=test.ctl log=test.log skip=1 rows=5000 bindsize=20971520 readsize=20971520

//直接路径
//开启parallel和unrecoverable（控制文件中）
sqlldr userid=xxx/xxxxxx@xxxxxx control=test.ctl log=test.log skip=1 direct=true parallel=true skip_index_maintenance=true readsize=20971520 columnarrayrows=10000 streamsize=20971520 date_cache=5000

执行完后，结果将会保存至test.log文件中（不管成功还是失败），经测试，200万数据，使用常规路径加载在有索引的情况下导入时间约为15分钟左右，使用直接路径加载导入时间约为4分钟左右。

常见问题及解决

1.数据文件的字段超出最大长度：
检查报错字段长度是否超过255，若超过255，需要在控制文件中指明字段长度，如：char(1000)，否则Oracle会默认该字段为VARCHAR(255)/CHAR(255)

2. TERMINATED 和 ENCLOSED 字段后没有终止定界符：
1).检查数据源文件是否格式正确
2).检查报错字段的前一个字段是否为数字，如果该字段为数字，并且在控制文件中指定了数据类型，尝试将指定的数据类型删掉，使用默认的类型，避免转换时匹配不一致

3. ORA-01722: 无效数字：
检查报错字段在控制文件中是否指定了数据类型，尝试将指定的数据类型删掉，使用默认的类型，避免转换时匹配不一致

4.ORA-01438: 值大于为此列指定的允许精度：
检查数据库字段类型与控制文件中指定的字段类型是否一致

5.SQL*Loader-700: 执行重要的分配 [7] 时内存耗尽：
这个异常一般发生在直接路径加载时，如果表字段很多，或者每次向内存加载的行数过大时（columnarrayrows），sql*loader无法向系统申请到足够的内存空间，就会报出out of memory的错误。
检查执行的命令行里是否包含columnarrayrows参数，如果有，将该参数的值调小，如果没有，加入该参数并且设置值小于5000（5000为默认值）

6.sqlldr不是内部命令或外部命令：
sqlldr.exe在Oracle安装路径的BIN文件夹里，先检查是否安装Oracle，如果未安装，则需要安装Oracle；如果已安装，则检查环境变量PATH是否包含Oracle安装路径的BIN文件夹，如果没有，在Path后加上Oracle_Path\BIN

7.SQL*Loader-704: 内部错误: ulconnect: OCIServerAttach [0]
ORA-12154: TNS: 无法解析指定的连接标识符
检查命令行userid参数的值username/password[@servicename]是否正确

8.sqlldr导入中文乱码：
检查Oracle导出服务端与导入服务端字符集是否一致

select * from v$nls_parameters t where t.PARAMETER = 'NLS_CHARACTERSET';

若不一致，则将控制文件里的characterset参数改为与导出服务端字符集一致即可
characterset ‘ZHS16GBK’