.NET 数据库大数据操作方案（插入、更新、删除、查询、插入或更新）

这篇具有很好参考价值的文章主要介绍了.NET 数据库大数据操作方案（插入、更新、删除、查询、插入或更新）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1、功能介绍

海量数据操作ORM性能瓶颈在实体转换上面，并且不能使用常规的Sql去实现

当列越多转换越慢，SqlSugar将转换性能做到极致，并且采用数据库最佳API

操作数据库达到极限性能，当然你如果不用sqlsugar了解一下原理也可以使用其他ORM实现

BulkCopy

BulkCopy是一种用于高效批量插入大量数据到数据库的技术。其原理是利用数据库系统提供的高性能数据导入接口，将数据以批量的方式一次性写入数据库，而不是逐条插入。这种方法比逐条插入要快得多，因为减少了数据库操作的次数，从而降低了系统开销

db.Fastest<DC_Scene>().BulkCopy(lstData);
db.Fastest<Order>().PageSize(100000).BulkCopy(insertObjs);
//Winfom中要用Task.Run 底层是异步实现

BulkUpdate

使用BulkCopy将大量数据快速导入临时表中。然后，通过表与表之间的高效操作（如UPDATE语句）进行数据更新，而不是逐条处理。这种方法降低了数据库操作的频率，减少了系统开销，从而提高了更新效率。最后，及时清理临时表，确保数据的一致性和数据库性能的稳定性。这种策略在大规模数据更新时能够显著提升性能和效率

db.Fastest<RealmAuctionDatum>().BulkUpdate(GetList())//更新
db.Fastest<RealmAuctionDatum>().PageSize(100000).BulkUpdate(GetList())//更新 
//Winfom中要用Task.Run 底层是异步实现

BulkMerge （5.1.4.109）

大数据：插入或者更新

原理Oracle和SqlServer使用了Merge Into+BulkCopy ，其他库使用分页+BulkCopy +查询验证

db.Fastest<Order>().BulkMerge(List);
db.Fastest<Order>().PageSize(100000).BulkMerge(List); 
//Winfom中要用Task.Run 底层是异步实现

使用BulkCopy将需要更新的数据批量导入到临时表（或者使用临时内存表）中。
使用MERGE INTO语句将临时表中的数据与目标表进行比较和合并。根据需要更新的条件，判断是否执行更新操作，同时可以在MERGE INTO语句中指定需要更新的列。
通过一次性的批量操作，实现了大规模数据的高效更新，减少了数据库操作的次数，提高了性能。
这种方法结合了数据库的批量导入和灵活的条件更新，适用于需要处理大规模数据更新的场景，提供了高效、快速的数据更新解决方案。

BulkQuery

纯手工指定映射+Emit绑定防止类型冲突引起的装拆和拆箱并且预热后达到原生水准

db.Queryable<Order>().ToList(); //分页降低内存 适合复杂的DTO转换和导出
List<Order> order = new List<Order>(); 
db.Queryable<Order>().ForEach(it=> { order.Add(it); /*禁止这儿操作数据库因为会循环*/} ,2000);

BulkDelete

删除操作慢的原因包括事务处理、索引更新、并发锁定、数据量大、触发器和硬件性能等。为提高性能，可分批次删除。

db.Deleteable<Order>(list).PageSize(1000).ExecuteCommand();

Select INTO

表和表之间的导入，如果在同一个库中并且表已存在性能比bulkcopy要快些

Select INTO
表和表之间的导入
//例1：不同实体插入 Select Into
db.Queryable<Order>()
 //.IgnoreColumns(it=>it.Id) 如果是自增可以忽略，不过ID就不一样了   
 .Select(it=>new { name=it.name,......})            
 .IntoTable<实体2>();
   
//例2: 同实体不同表插入    
db.Queryable<Order>()
 //.IgnoreColumns(it=>it.Id) 如果是自增可以忽略，不过ID就不一样了
.IntoTable<Order>("新表名");

SqlBulkCopy 类

（在.NET中提供的用于高性能批量操作数据的类）结合ORM框架进行大数据插入和更新。结合 SqlBulkCopy 进行大数据处理可以提供更高的性能，下面是一些优化原则和最佳实践：

1. 使用事务：

将 SqlBulkCopy 操作放在一个数据库事务中。这样，如果插入或更新过程中发生错误，你可以回滚整个操作，确保数据的一致性。

2. 调整 BatchSize

BatchSize 表示每个批次中的行数。根据数据库性能和网络带宽，调整批次大小以提高性能。通常情况下，使用合理的批次大小可以最大限度地减少数据库的往返次数，提高性能。

BulkCopyTimeout 表示超时时间（以秒为单位），如果在指定的时间内操作没有完成，操作将被中断。根据数据量的大小和网络条件，调整超时时间。

3. 使用临时表：
有时，将数据先插入到一个临时表中，然后执行SQL语句将数据从临时表复制到目标表，这种方法也可以提高性能。这是因为临时表可以不受约束和索引的影响，插入速度更快。
4. 注意内存使用：
在进行大数据操作时，需要注意内存的使用情况，以防止内存溢出。可以考虑分批次处理数据，避免一次性加载大量数据到内存中。
综上所述，结合使用 SqlBulkCopy 和ORM框架时，通过调整参数、合理使用事务、关闭索引和约束等方式，可以最大限度地提高大数据插入和更新的性能。