kettle —— 从 oracle 到 oracle的坑

　　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”：  。  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：

　　　　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。。。