如何使用 C# 更快地将 400 万条记录从 Oracle 插入到 Elasticsearch table？

Question

我有以下用 C# 编写的代码，但据此，将数据从 Oracle 数据库迁移到 Elasticsearch 需要 4-5 天。我正在以 100 条为一组插入记录。有没有其他方法可以更快地迁移 400 万条记录（如果可能，可能不到一天）？

   public static void Selection()
        {
            for(int i = 1; i < 4000000; i += 1000)
            {
                for(int j = i; j < (i+1000); j += 100)
                {
                    OracleCommand cmd = new OracleCommand(BuildQuery(j), 
                                                     oracle_connection);
                    OracleDataReader reader = cmd.ExecuteReader();
                    List<Record> list=CreateRecordList(reader);
                    insert(list);
                }
            }
        }

   private static List<Record> CreateRecordList(OracleDataReader reader)
        {
            List<Record> l = new List<Record>();
            string[] str = new string[7];
            try
            {
                while (reader.Read())
                {
                    for (int i = 0; i < 7; i++)
                    {
                        str[i] = reader[i].ToString();
                    }

                    Record r = new Record(str[0], str[1], str[2], str[3],                              
                                str[4], str[5], str[6]);
                    l.Add(r);
                }
            }
            catch (Exception er)
            {
                string msg = er.Message;
            }
            return l;
        }

   private static string BuildQuery(int from)
        {
            int to = from + change - 1;
            StringBuilder builder = new StringBuilder();
            builder.AppendLine(@"select * from");
            builder.AppendLine("(");
            builder.AppendLine("select FIELD_1, FIELD_2, 
            FIELD_3, FIELD_4, FIELD_5, FIELD_6, 
            FIELD_7, ");
            builder.Append(" row_number() over(order by FIELD_1) 
             rn");
            builder.AppendLine("   from tablename");
            builder.AppendLine(")");
            builder.AppendLine(string.Format("where rn between {0} and {1}", 
            from, to));
            builder.AppendLine("order by rn");
            return builder.ToString();
        }

   public static void insert(List<Record> l)
        {
            try
            {
                foreach(Record r in l)
                    client.Index<Record>(r, "index", "type");
            }
            catch (Exception er)
            {
                string msg = er.Message;
            }
        }

Answer 1

ROW_NUMBER() 函数会对性能产生负面影响，而您运行它已经上千次了。您已经在使用 OracleDataReader -- 它不会一次将所有四百万行拉到您的机器上，它基本上是一次流式传输一两行。

这必须在几分钟或几小时内完成，而不是几天 -- 我们有几个进程以类似的方式在 Sybase 和 SQL 服务器之间移动数百万条记录，并且只需要不到五分钟的时间。

也许试一试：

OracleCommand cmd = new OracleCommand("SELECT ... FROM TableName", oracle_connection);
int batchSize = 500;    
using (OracleDataReader reader = cmd.ExecuteReader())
{
    List<Record> l = new List<Record>(batchSize);
    string[] str = new string[7];
    int currentRow = 0;

    while (reader.Read())
    {
        for (int i = 0; i < 7; i++)
        {
            str[i] = reader[i].ToString();
        }

        l.Add(new Record(str[0], str[1], str[2], str[3], str[4], str[5], str[6]));

        // Commit every time batchSize records have been read
        if (++currentRow == batchSize)
        {
            Commit(l);
            l.Clear();
            currentRow = 0;
        }
    }

    // commit remaining records
    Commit(l);
}

下面是 Commit 的样子：

public void Commit(IEnumerable<Record> records)
{
    // TODO: Use ES's BULK features, I don't know the exact syntax

    client.IndexMany<Record>(records, "index", "type");
    // client.Bulk(b => b.IndexMany(records))... something like this
}

Answer 2

但是您没有以 100 个为单位插入
最后你一次插入一个
（这甚至可能不是插入一个的正确代码）

foreach(Record r in l)
  client.Index<Record>(r, "index", "type");

如果一次插入一行，那么所有那些读取时的 girations 什么都不做
你只是在获得下一个 batch
时引入了延迟读取（几乎）总是比写入快

OracleCommand cmd = new OracleCommand(BuildQuery(all), oracle_connection);
OracleDataReader reader = cmd.ExecuteReader();
while (reader.Read())
{
   client.Index<Record>(new Record(reader.GetSting(0),   
                        reader.GetSting(1), reader.GetSting(2), reader.GetSting(3),    
                        reader.GetSting(4), reader.GetSting(5), reader.GetSting(6),  
                        "index", "type");
}
reader.Close();

如果您想并行读写，可以使用 BlockingCollection
但是使用最大大小读取不会比写入提前太多

如何使用 C# 更快地将 400 万条记录从 Oracle 插入到 Elasticsearch table？

How to insert 4 million records from Oracle to Elasticsearch table faster using C#?

.net

c#

oracle

elasticsearch

nest