将大型 XML 导入 SQL-Server 表的最快方法

Question

我有一个非常大而且不是很漂亮的 XML，我想将它导入到我的 sql-server 数据库中。 XML的格式就像我说的很丑：

<myxml xmlns="http://somenamespace.whatever.com/schemas/xmldata/1/" xmlns:xs="http://www.w3.org/2001/XMLSchema-instance">
    <mydata>
        <item>
            <record>some</record>
            <record>123</record>
            <record xs:nil="true" />
            <record>random</record>
            <record>234</record>    
        </item>
        <item>
            <record>345</record>
            <record>in all</record>
            <record>these</record>
            <record>cells</record>
            <record>123asdf</record>            
        </item>
        <item>
            <record>how</record>
            <record>to</record>
            <record>import</record>
            <record>987654321</record>
            <record xs:nil="true" />
        </item>
    </mydata>
</myxml>

这只是一个小样本。事实上，XML 超过 100ML，它有超过 200k 的项目，每个项目有 15 条记录，但这个样本就可以了。

我知道“项目”中的每个“记录”代表什么，但对我来说，它足以将所有记录值导入到带有 varchar(100) 的列中。让我们说这张表：”

CREATE TABLE [dbo].[DataFromXml](
    [Column1] [varchar](100) NULL,
    [Column2] [varchar](100) NULL,
    [Column3] [varchar](100) NULL,
    [Column4] [varchar](100) NULL,
    [Column5] [varchar](100) NULL
) ON [PRIMARY]
GO

我可以用这段代码完成这个：

CREATE TABLE XmlTable
(
    XMLData XML
)

INSERT INTO XmlTable(XMLData)
SELECT CONVERT(XML, BulkColumn) 
FROM OPENROWSET(BULK 'D:\myverylarge.xml', SINGLE_CLOB) AS x;

DECLARE @XML AS XML
SELECT @XML=XMLData FROM XmlTable

;WITH XMLNAMESPACES ('http://www.w3.org/2001/XMLSchema-instance' as xs, DEFAULT 'http://somenamespace.whatever.com/schemas/xmldata/1/')
INSERT INTO DataFromXml(Column1, Column2, Column3, Column4, Column5)
SELECT  ref.value('record[1][not(@xs:nil = "true")]' ,'varchar(100)') as Column1
        ,ref.value('record[2][not(@xs:nil = "true")]' ,'varchar(100)') as Column2
        ,ref.value('record[3][not(@xs:nil = "true")]' ,'varchar(100)') as Column3
        ,ref.value('record[4][not(@xs:nil = "true")]' ,'varchar(100)') as Column4
        ,ref.value('record[5][not(@xs:nil = "true")]' ,'varchar(100)') as Column5
        FROM @XML.nodes('/myxml/mydata/item') xmlData( ref )

这会运行一两分钟，这可能还不错。我没有很好的参考。我的感觉是，这可能会快很多，因为使用 OPENROWSET 将 XML（超过 100MB）导入数据库只需几秒钟。

我可以优化插入吗？如果可以，我该怎么做？

Answer 1

处理 NULL 值是 XML 中的特殊之处。

XML 中 NULL 值的定义不存在。所以

<a>
    <b>hi</b>
    <c></c>
    <d/>
</a>

• <a> 是根元素。
• <b> 是一个带有 text() 节点的元素。
• <c> 是一个空元素
• <d> 是一个自闭合元素
• <e> 是 - 嗯 - 不在那里......

重要提示：<c>和<d>是一样的，绝对没有区别！

你可以用

查询元素

.value('(/a/b)[1]','nvarchar(100)')

您可以专门查询text()节点

.value('(/a/b/text())[1]','nvarchar(100)')

在此您可以找到一个可能的答案（有点隐藏）：如果您专门查询 text() 节点，您可以在没有 NULL 检查谓词的情况下执行所有代码。

改变这个

ref.value('record[1][not(@xs:nil = "true")]' ,'varchar(100)')

到这里

ref.value('(record[1]/text())[1]' ,'varchar(100)')

可能会破坏这一点：如果<record> 的内容可能是一个空字符串，您将得到一个NULL，而不是''。但它应该快得多......希望，这对你来说没问题......

关于性能：阅读this 答案。它很好地涵盖了您的问题。尤其是消耗时间的部分（按照此答案中的链接进行操作）。

Answer 2

只是为了补充@Shnugo 的答案。

所有功劳归他所有。

这是您的确切 SQL 语句。它应该会给你大约 20% 的性能提升。请试一试。

;WITH XMLNAMESPACES ('http://www.w3.org/2001/XMLSchema-instance' as xs, DEFAULT 'http://somenamespace.whatever.com/schemas/xmldata/1/')
INSERT INTO DataFromXml(Column1, Column2, Column3, Column4, Column5)
SELECT  ref.value('(record[1]/text())[1]' ,'varchar(100)') as Column1
        ,ref.value('(record[2]/text())[1]' ,'varchar(100)') as Column2
        ,ref.value('(record[3]/text())[1]' ,'varchar(100)') as Column3
        ,ref.value('(record[4]/text())[1]' ,'varchar(100)') as Column4
        ,ref.value('(record[5]/text())[1]' ,'varchar(100)') as Column5
FROM @XML.nodes('/myxml/mydata/item') xmlData(ref);