关于Execl导入大数据量文件的处理思路-CDA数据分析师官网

热线电话：13121318867

关于Execl导入大数据量文件的处理思路

2017-12-25

关于Execl导入大数据量文件的处理思路

Execl作为微软的早期产品，功能强大的同时，性能也相应的差很多，处理大数据量时,尤其明显。最近项目中有一个需求，要求导入人员信息，Execl的数据量大概5000左右，但是会关联其他表，查询出100万级别的数据量，插入到值表。并且这个过程是系统管理人员每月不定期在页面导入的。系统设计的要求是10秒内完成。

简单说一下我们的思路，这里主要说思路，更细节的技术问题，可以和我联系：

第一步：把Excel转成CSV文件，这里可以是系统使用人员手动转换，也可以由程序来转换。

然后先导入Excel中的5000条信息到人员信息表。后台数据库用存储过程实现，使用merge的方式进行增量导入。

第二步：关联其他表，然后将符合条件的结果集作为值直接插入到临时表，这个过程也是在存储过程中实现。这里有一个技巧，把SELECT的结果集，作为INSERT语句的VALUES，这样能比逐条处理速度要快很多。

第三步：使用MERGE的方式，将临时表的数据，增量导入目标表。这个过程也在存储过程中
实现。

以上的案例，数据校验的逻辑不是很多，只有一个重复性校验，所以使用的是MERGE方式。如果业务上的数据校验逻辑比较复杂，可能性能就会降低很多，这时就要考虑其他解决方案。

上面的SQL关键代码，基本上都放在了存储过程中，之所以这样做，就是为了提高性能。在进行大数据量的操作时，每减少一次数据库交互，可能就会明显提高性能。我们都知道，存储过程存储在数据库服务器端，属于已经预编译过的SQL，当调用存储过程时，只需要传递参数，而不需要再重新编译SQL。并且，把多个SQL放在一个存储过程中，减少了应用服务器与数据库服务器的交互次数。

关于上面的案例，还有2点要说明。

1，在处理大数据量的文件时，尽量减少逐行扫描的方式，,而是采用批量LOAD/IMPORT，或者批量MERGE/INSERT的方式。

2，建适当数量的索引，无论对于INSERT操作，还是MERGE操作，都会起到事半功倍的效果。

最近项目中在进行性能优化，关于Execl的导入导出，以及大数据量的查询，都研究了好长时间，之前的查询慢、导入慢，导出慢的问题，基本上都解决了，性能提高了不少，后面有时间会慢慢和大家分享。

CDA学员免费下载查看报告全文：2026全球数智化人才指数报告【CDA数据科学研究院】.pdf

CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>> “CDA报名” 了解CDA考试详情；