欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

kettle —— 从 oracle 到 oracle的坑

程序员文章站 2022-07-04 11:30:23
公司有个项目,是使用kettle从oracle上统计,再将结果跟oracle中目标表进行对比更新。接手后,走了一些弯路,中间各种尝试都不尽如人意,也学了kettle的一些组件的用法。正好趁着机会记录 一下。 一、背景: 需求其实很简单,在源oracle中,有大批量的表,是使用定时调度从其他不同的数据 ......

  公司有个项目,是使用kettle从oracle上统计,再将结果跟oracle中目标表进行对比更新。接手后,走了一些弯路,中间各种尝试都不尽如人意,也学了kettle的一些组件的用法。正好趁着机会记录 一下。

  一、背景:

  需求其实很简单,在源oracle中,有大批量的表,是使用定时调度从其他不同的数据库(oracle,mysql,sybase,dameng,sqlserver)中将 “表信息”,“字段信息”,“注释信息”等元数据表,拉取过来,分别做好编号存储。

  而kettle要实现的功能:

  ① 则是从这些源数据表中,将表名、字段名、字段注释、字段长度、字段类型等信息关联出来。

  ② 并与之前已经做好的一张结果表做关联更新。

  ③ 将“元数据有变更”的表的四元素(type,length,primary,comment)信息进行update。

  ④ 如果该字段已经没有了被删除了,则有专用字段标记为"1"。

  ⑤ 如果是新来的字段,则insert插入目标表。

 

  二、历程:

  1. 一开始,机敏的同事使用了一个sql脚本,用了oracle中的 merge using() matched ....用法,——如果查询结果与目标结果的 table_name和 column_name关联上,则直接将四元素update到目标表中;若没关联上,则直接insert到目标表中。

  2. 问题初现: 初步的逻辑相当于:只要关联上,就必须update,这样来说,没有任何变化的字段,也要update一次,造成大量的update其实是可以避免的。而且已删除字段的标记也未实现。

  3. 趟雷: 

    ① 最开始,使用kettle的组件来实现sql中的逻辑,就不贴图了,太长了,而且运行起来的效率低的可怕,后被pass。

    ② 后来尝试,将sql优化:

      建立临时表;

      join的数据的列裁剪;

      都用了一遍,但是毫无卵用....效率仍然低(在真实生产环境上直接都跑不动了)

    ③ 后来尝试了一个新的用法:  kettle中有个组件叫“合并记录”:  kettle —— 从 oracle 到 oracle的坑。  这个小老弟看着不起眼,其实很厉害——它可以将两组数据流进行比对,一个原始的,一个“新来的”,用新来的流与原始的流做比对,并在新产生的流中做标记,标记出哪些是没变的,哪些是新加的(new),哪些是删除了的(deleted),哪些是改变了的(changed)。

    当时一看,这不就是为这需求量身打造的组件,直接用起来!

    改造逻辑:

    查询的sql保留,但是再从目标表查询出全量数据,将这两个流做比对,用“合并记录”的组件将各种情况的记录都标记出来,在后续的流程中可以使用组件来筛选和进行后续的操作。

    改造完成后的图如下

kettle —— 从 oracle 到 oracle的坑

    这样,就将“需要更新”的,“需要插入的”,需要“标记为删除的”分别筛选出来,单独进行更细或者插入的操作了。
    然而,还是出现了新的问题,在“更新”和”同步“ 之后,速度仍然慢。

    保存出问题了,中间写的没有了,现在精简的补充一下:

    解决方案: 

    建立索引——> 目标表(table_name,column_name)。

    update的速度——>大幅度提升。

    三、总结:

    ① 对于不通的方式,最多2天,不要再深入研究,问题一定不是在整个方向上。

    ② 解决问题要有逻辑性,哪怕在纸上写出来,将问题一个个的罗列,解决,梳理,能对问题有个明确的方向。

    ③ 多上cnblog看看大神的数据库笔记。。。