一些看似簡單的數(shù)據(jù)操作，當(dāng)作用于海量數(shù)據(jù)集時，就會出現(xiàn)“意料之外，卻在情理之中”的問題，海量數(shù)據(jù)操作，需要采用特殊方法，才能“曲徑通幽”。在刪除海量數(shù)據(jù)時，需要注意日志的增長，索引碎片的增加和數(shù)據(jù)庫的恢復(fù)模式，特別是利用大容量日志操作，來減少日志的增長和提高數(shù)據(jù)插入的速度。對于大數(shù)據(jù)去重，通過一些小小的改進，比如創(chuàng)建索引，設(shè)置忽略重復(fù)值選項等，能夠提高去重的效率。
一，從海量數(shù)據(jù)中刪除數(shù)據(jù)
從海量數(shù)據(jù)表中刪除一半數(shù)據(jù)，看似簡單，使用delete命令，如果真這么干，SQL Server產(chǎn)生的事務(wù)日志暴增，估計會把服務(wù)器硬盤爆掉。數(shù)據(jù)庫的恢復(fù)模式會影響日志文件的增長，在刪除海量數(shù)據(jù)時，根據(jù)采用的方法，相應(yīng)地把恢復(fù)模式設(shè)置為simple，或bulk_logged 模式，能夠在很大程度上減少刪除操作產(chǎn)生的事務(wù)日志，從而避免日志暴增。
另外，在刪除數(shù)據(jù)時，把表上的多余索引刪除（注意，是刪除多余的索引），只保留一個必需的索引；在數(shù)據(jù)刪除完成之后，再重建索引，能夠提高數(shù)據(jù)刪除操作的性能。有人做過實驗，從存儲1.6億條記錄的大表中刪除數(shù)據(jù)，每刪除400萬條要消耗1.5 - 3小時，越到后面速度越慢，為什么？這是因為，每次刪除數(shù)據(jù)時，數(shù)據(jù)庫都要相應(yīng)地更新索引，這是很慢的硬盤 IO操作，并且，越到后面，索引碎片越多，更新索引就越慢，這就是在刪除400萬條記錄時，一開始只消耗1.5小時，后面要消耗3小時原因。
最后，根據(jù)保留數(shù)據(jù)占總數(shù)據(jù)量的比例，選擇不同的方法刪除數(shù)據(jù)。如果大表中保留的數(shù)據(jù)較少，可以先把保留的數(shù)據(jù)存儲到臨時表中，然后，把原始表刪除，這樣能夠利用大容量日志操作，來減少日志的增長和提高數(shù)據(jù)插入的速度。
1，循環(huán)刪除，避免日志文件暴增
在從海量數(shù)據(jù)表中刪除大量數(shù)據(jù)時，為了避免日志文件暴增，通常采用循環(huán)刪除方法：首先設(shè)置恢復(fù)模式為simple，然后每次刪除操作都只刪除部分數(shù)據(jù)，這樣，當(dāng)單個刪除操作執(zhí)行完成時，事務(wù)日志會被及時清理，事務(wù)日志一般保持單個刪除操作的事務(wù)日志量。
循環(huán)刪除的偽代碼如下，該方法仍有一些局限性，耗時過長，并且會長期使數(shù)據(jù)庫處于簡單恢復(fù)模式下：
--ALTER DATABASE database_name SET RECOVERY SIMPLE ; while @index<@EndIndexbegin delete table_name where index<=@index; set @index+=@Incrementend
2，將數(shù)據(jù)插入導(dǎo)其他表中，
延伸閱讀
學(xué)習(xí)是年輕人改變自己的最好方式