【译】第四篇 Integration Services：增量加载-Updating Rows

本篇文章是Integration Services系列的第四篇，详细内容请参考原文。

---

回顾增量加载
记住，在SSIS增量加载有三个使用案例：
1、New rows-add rows to the destination that have been added to the source since the previous load.
2、Updated rows-update rows in the destination that have been updated in the source since the previous load.
3、Deleted rows-remove rows from the destination that have been deleted from the source.
在这篇文章中，我们将关注SSIS增量加载功能中的更新行——自从加载到目标之后在源中有变更的行。
添加更新代码
在进行检测更改和更新行之前，我们需要配置另一个测试。使用之前相同的方法更改目标表中的行(dbo.Person)。打开SSMS并连接到你的SQL Server实例。打开一个新的查询窗口，输入下面的T-SQL语句：

use [AdventureWorks2012]
go
update dbo.Person set MiddleName='Ray'
 where MiddleName Is Null

按F5执行语句，目标表中将有8499行记录被更新。我们将MiddleName为NULL的值更新为Ray.
打开BIDS然后打开My_First_SSIS_Project解决方案。点击数据流页签，我们需要对上篇文章中加入的查找组件做些更改。双击查找打开查找转换编辑器。
点击列页。在页的右上部分有一些表格形式的表。左边的一个标记为可用输入列。这包含查找转换的输入列列表(记住，查找转换是连接到OLE DB源适配器的输出，这些列就是从那来的)。另一个网格标记可用查找列。这些是连接页上配置的表、视图或查询的列。
在上一篇中，我们将可用输入列的EntityID列映射到可用查找列的EntityID列。我将查找比作是Join，
EntityID列之间的线表示Join子句的ON。这个"ON"定义的匹配准则强迫查找起作用。
在上一篇我们没有选择可用查找列的复选框。可用查找列旁边有复选框，在网格的顶部有一个选择所有的复选框。如果查找转换是一个Join，这些复选框就是用于从连接表中添加列到SELECT子句。点击可用查找列的选择所有复选框。
在可用输入列和可用查找列的下面有一个网格。输出别名用于修改可用查找列返回的列名称。继续Join类比，输出别名类似于查询语句中使用AS来给列设置别名。我喜欢使用LkUp_或Dest_来识别从查找操作返回的行。这让我很容易区分从OLE DB源进来的列和从查找转换返回的列。另外，如果列名相同，SSIS会自动在列名后面加上(1)。我们这里添加LkUp_前缀来区分：

图4.1 查找转换编辑器-勾选可用查找列
查找转换中流入到数据流管道中记录来自OLE DB源适配器，是从Person.Person表加载到数据流中。目标表是dbo.Person，我们通过查找转换编辑器中的连接页配置访问。查找转换打开目标表，尝试匹配存在于数据流管道与目标表中的记录。当发现没有匹配到时，无匹配项的行将被发送到无匹配输出。
我们修改了查找转换配置，安查找转换在源和目标表中的EntityID列找到匹配时，会将目标表中的EntityID、FirstName、LastName和MiddleName列返回出来。在它们流经查找转换时，这些列会添加到数据流记录中。
接下来我们在数据流画布添加条件性拆分和OLE DB命令组件。点击查找转换，将绿箭头拖放到条件性拆分：

图4.2 添加条件性拆分和OLE DB命令
查找转换唯一可用的绿色数据流路径是查找匹配输出，因此，这次没有提示我们选择输出，默认就是查找匹配输出。除了它们所包含的数据，查找转换的无匹配输出和匹配输出还有其他的不同，最大的不同是返回的列。
我将会向你展示查找转换输出会把查找列添加到源行。首先让我们查看输入列。右击OLE DB源与查找转换之间的数据流路径，选择编辑：

图4.3 编辑OLE DB源与查找之间的数据流路径
当打开数据流路径编辑器后点击元数据页，路径元数据如图4.4所示：

图4.4 OLE DB源与查找之间数据流路径的元数据
查找转换的列来自OLE DB源。关闭这个数据流路径编辑器，右击查找转换和OLE DB目标之间叫做查找无匹配输出的数据流路径，选择编辑打开数据流路径编辑器，点击元数据页：

图4.5 查找与OLE DB目标之间数据流路径的元数据
上一篇我们看过这个元数据。查找转换的无匹配输出的元数据和查找转换输入的元数据完全相同。这是本身设计的，查找只能传递这些行，通过转换它们不能找到匹配。
因为我们配置了查找转换，在找到匹配记录时会有不同的情况：目标中的列会额外返回。要查看数据流的这些更改，右击查找转换和条件性拆分之间叫做查找匹配输出的数据流路径：

图4.6 查找与条件性拆分之间数据流路径的元数据
在图4.6中很容易发现数据流路径中添加的额外列，因我我们在查找转换匹配操作时增加了别名。关闭数据流路径编辑器。
在上一篇，我们配置查找无匹配输出，没有配置从查找表中返回列。因为在增量加载新行不需要它们，但现在我们需要它们来比较源和目标表中的值。
Change Detection
查找匹配输出中的"匹配"是什么意思？它表示源表(Person.Person-通过OLE DB源适配器加载到数据流任务)中的EntityID列与目标表(dbo.Person-通过查找转换中的连接页访问)中的EntityID列有相同的值。我们知道EntityID列值匹配，但我们不确定是否其他列也匹配，我们需要知道这些。
如果源和目标的所有列值都匹配，源中的记录就没有做任何变更，我们可以在进一步考虑中排除它。如果源中有变更，我们想要捕获那些变更并且应用到目标。这就是增量加载中更新的目标。首先我们要检测不同，其次应用更新。
SSIS中应用Change Detection
打开条件性拆分，当条件性拆分转换编辑器打开，它展示三部分。左上部分包含两个虚拟文件夹：变量和列：

图4.7 变量与列虚拟文件夹
我们主要操作列，因此展开图4.7中的列虚拟文件夹。为了检测源和目标中列的不同，我们将对比FirstName、LastName、MiddleName列。为什么我们不对比EntityID列？这些行的EntityID列已经匹配上，在查找中我们就是用源和目标表的EntityID列作为Join中的on联接条件。
首先让我们对比FirstName，点击列列表中的FirstName并拖动到条件性拆分转换编辑器下方的条件列：

图4.8 将FirstName拖放到条件
当你在条件列放开FirstName，然后点击其他地方就会发生验证。文本会变红因为验证失败。这里为什么会失败？条件必须返回布尔值——真或假。FirstName是一个字符串，此时如果你点击确定试图关闭转换编辑器，你将得到一个错误信息。

图4.9 错误信息
点击确定，我们还没结束。在条件性拆分转换编辑器的右上部分包含有SSIS表达式语言。
我们想检测FirstName和LkUp_FirstName不同。在SSIS表达式语言，展开运算符虚拟文件夹，选择不等于操作：

图4.10 运算符虚拟文件夹下的不等于
点击不等于操作并拖动到条件表达式下FirstName列的右边，然后从列虚拟文件来下拖动LkUp_FirstName放到条件表达式下不等于的右边：

图4.11 条件中添加不等于及LkUp_FirstName
因为表达式现在可以得出一个布尔值，它通过验证并且字体变黑。如何检查的呢？源和目标中EntityID列匹配的记录中检测FirstName与LkUp_FirstName是否匹配。如果FirstName不同，源和目标就存在差异。因为目标通常是滞后的源，它们假设源有更新、更好、更准确的数据。如果是这样的话，我们需要把数据输入到目标。
因为在测试查询中没有对FirstName列做任何更改，这个条件返回总是假：因为他们总是相等。我们需要添加条件表达式获取所有变更。让我们在变化检测条件表达式中分离这部分，用括号包住这段表达式：

图4.12 用括号包住表达式
接下来我们要添加MiddleName。我们停下思考下我们需要什么，我们要检测源和目标中任何列差异。只要一个改变，就足以触发目标上的更新。因此我们想要检查一列或另一列不相等。"Or"操作符合需求。
下拉SSIS表达式语言列表，将逻辑或拖放到表达式的右边：

图4.13 运算符虚拟文件夹下的逻辑或
在逻辑或的后面添加括号如图4.14所示：

图4.14 添加逻辑或及括号
从转换编号器左上部分的列虚拟文件夹将MiddleName拖放到括号中，在MiddleName列的右边拖放一个不等于操作，然后拖入LkUp_MiddleName。
继续按照之前的步骤将LastName加入到条件表达式，最终的条件表达式如图4.15所示：

图4.15 最终的条件表达式
在我们关闭转换编辑器前，我们重命名输出名称为Updated Rows。
你可能会被表达的不必要的括号所困扰，在图4.16中，我清理掉表达式中不必要的括号和空格：

图4.16 总体表达式
我们完成了什么？查找转换匹配输出传送到条件性拆分转换。这意味着这些行的EntityID列和LkUp_EntityID列有相同的值。EntityID和LkUp_EntityID列被用于查找转换执行匹配操作。我们在条件性拆分转换中配置了一个叫做Updated Rows的条件。Updated Rows条件分离FirstName、MiddleName、LastName列有差异的行。
注意：条件性拆分转换将行定向到不同的输出。当我们定义了一个条件，我们还创建了一个新的输出，一个新的路径，数据可以从条件性拆分转换中流出。
源中和目标中列相同的行到哪去了呢？指定将输入行定向到特定的输出时所要遵循的条件。如果输入行不符合任何条件，则该行被定向到条件性拆分默认输出。

图4.17 配置后的条件性拆分转换编辑器
点击确定关闭条件性拆分转换编辑器。点击条件性拆分然后拖动绿色箭头到OLE DB命令，在选择输入输出中选择Updated Rows：

图4.18 选择输入输出
此时你的数据流任务应该如图4.19所示：

图4.19 数据流画布
我们将用OLE DB命令转换执行更新目标表中的行。
我们检测源与目标存在差异的行，通过Updated Rows输出将更新的行发送给OLE DB命令转换。是时候配置OLE DB命令的更新功能了。右击OLE DB命令转换打开OLE DB命令的高级编辑器。
在OLE DB命令的高级编辑器"连接管理器"页签，设置OLE DB连接管理器到127.0.0.1,5377.AdventureWorks2012.sa。点击"组件属性"页签，下拉到自定义属性，点击SqlCommand的属性值文本框中的省略号打开"字符串值编辑器"。在字符串值键入下面T-SQL语句：

update dbo.Person
   set FirstName = ?
      ,MiddleName = ?
      ,LastName = ?
 where EntityID = ?

图4.20 OLE DB命令组件属性
在OLE DB，用问号(?)代表参数占位符。我们将在下一个标签中映射这些参数。单击确定以关闭"字符串值编辑器"。单击"列映射"页签：

图4.21 OLE DB命令列映射
The question marks form a zero-based array.这意味着param_0代表第一个问号，param_1代表第二个问号，等等。我们通过拖动可用输入列中的列，将它们释放到可用目标列中的映射参数上。从源和目标表中的列存在于可用输入列。记住，前缀为LkUp_的列实际上是查找转换返回的目标数据。所以我们只要映射源表的列(因为我们假设源包含最新的数据)。因为第一个?映射FirstName，我们将FirstName映射Param_0,MiddleName映射Param_1,LastName映射Param_2,EntityID映射Param_3:

图4.22 OLE DB命令映射列
你已经完成参数映射和OLE DB命令配置。点击确定按钮关闭OLE DB命令的高级编辑器。你的数据流任务看起来应该如4.23所示：

图4.23 数据流画布
让我们测试一下，按F5启动调试器：

图4.24 执行过程中的数据流任务
…它几乎可以工作。让我们在进度标签检查错误信息。我发现了错误，但很难阅读：

图4.25 进度标签错误信息
但是可以右击错误信息选择复制消息文本：

[条件性拆分 [127]] 错误: “输出“Updated Rows”(165)”的表达式“(FirstName != LkUp_FirstName) || (MiddleName != LkUp_MiddleName) || (LastName != LkUp_LastName)”的计算结果为 NULL，但“组件“条件性拆分”(127)”要求布尔值结果。请修改输出中的错误行处理设置，以将此结果视为 False (忽略失败)，或者将该行重定向到错误输出(重定向行)。表达式结果必须是用于“条件性拆分”的布尔值。NULL 表达式结果不对。

问题出现在我的表达式上面。某些表达式的计算为NULL。当你验证等于/不等于，并且其中有一个为NULL时，这个结果不会是真/假，而是NULL。因为NULL不是一个布尔值，所以条件表达式失败。
我将从源表：Person.Person，执行三个查询搜索NULL：

use [AdventureWorks2012]
go
select * from Person.Person
 where FirstName Is Null

select * from Person.Person
 where MiddleName Is Null

select * from Person.Person
 where LastName Is Null

执行这些查询告诉我源表中8499行的MiddleName列是NULL。记得在开始我们更新过目标表中MiddleName列为NULL的记录，正好是8499行。
为了解决这个问题，停止BIDS调试器然后打开条件性拆分转换编辑器。我们需要把NULL值分离到一种方法中以允许我们比较MiddleName列的值而不出错。我们使用SSIS表达式语言中的IsNull()函数。这个函数并不是T-SQL中我们熟知的IsNull()。T-SQL函数使用另一个值代替NULL。SSIS表达式语言的IsNull()函数是一个NULL值的检测，它返回一个布尔结果(真/假)。我们组合IsNull()和条件操作来检查NULL并返回它们是否存在。更新Updated Rows条件语句如下形式：

(FirstName != LkUp_FirstName) || ((ISNULL(MiddleName) ? "Humperdinck" : MiddleName) != (ISNULL(LkUp_MiddleName) ? "Humperdinck" : LkUp_MiddleName)) || (LastName != LkUp_LastName)

图4.26 更新的的Updated Rows条件语句
我们是如何处理NULL？首先我们用ISNULL(MiddleName)检测它们。ISNULL()函数返回真/假，并且是条件操作的"条件"。条件操作函数格式是<Condition>?<True>:<False>. 如果MiddleName是NULL，条件操作中True部分(本例Humperdinck)将会应用。如果MiddleName不是NULL，条件操作中False部分(本例MiddleName)将会应用。因此如果MiddleName是NULL，我们用Humperdinck代替作对比。如果MiddleName不是NULL，我们直接用MiddleName的值做对比。
LkUp_MiddleName列使用相同的逻辑，当LkUp_MiddleName是NULL，我们用Humperdinck代替，如果不是NULL，我们用非空的值做对比。这样我们就避免了NULL != NULL这种表达式。
这里需要注意的是：Humperdinck不能是一个可用的MiddleName的值。考虑加载的名称数据中没有MiddleName会出现什么情况。比如John Smith。后来，他在网上或通过客服代表更新自己的姓名信息。如果John的MiddleName是Humperdinck那会发生什么呢？存储在目标表中的MiddleName值是空的。源表已更新为Humperdinck。当条件性拆分Updated Rows条件应用于这一行，对不等式的MiddleName侧不为空，因此使用MiddleName(Humperdinck)比较。不平等LkUp_MiddleName侧为空，因此替换为Humperdinck。不平等按照设计进行对比，但未能确定这些值的不同。
点击确定关闭条件性拆分转换编辑器，按F5重新执行SSIS包：

图4.27 重新执行SSIS包
我注意这个执行一些趣事。首先，它成功执行；其次，它花费了一段时间。在我的电脑上，它花费了近2分多钟。

图4.28 SSIS包执行时间
为什么执行花费那么长时间？大部分的时间花费在OLE DB命令中的更新语句上。OLE DB命令每次只处理一行。等效于SSIS游标，并且SQL Server不喜欢基于行的操作，他们执行太慢。
基于集合的更新
是否有方法避免基于行的操作？当然存在。让我们看下如何使用。如果你的SSIS包还在运行，把它停止。数据流任务中点击OLE DB命令然后删除它，在它的位置从工具箱拖一个OLE DB目标，并将条件性拆分的输出Updated Rows连接到OLE DB目标：

图4.29 添加OLE DB目标
将OLE DB目标重命名为StageUpdates。右击OLE DB目标打开编辑器。连接管理器下选择127.0.0.1,5377.AdventureWorks2012.sa，接受默认的数据访问模式"表或视图-快速加载"。在表或视图名称的旁边点击新建：

图4.30 OLE DB目标编辑器
在我们点击确定之前我们做些调整，表名来自OLE DB的名称-这就是开始我们重命名它的原因。数据定义语句的列，是从数据流路径的元数据读取的。它包括将SSIS数据类型转换成SQL Server数据类型。
在我们执行前，将LkUp_前缀的列移除。我们只需保存源中的数据来更新。最终语句修改为：

CREATE TABLE [StageUpdates] (
    [EntityID] int,
    [FirstName] nvarchar(50),
    [LastName] nvarchar(50),
    [MiddleName] nvarchar(50)
)

点击确定，在AdventureWorks2012库下就会创建StageUpdates表。注意OLE DB目标编辑器的确定按钮是灰色的，并且在底部有一个警告信息。点击映射页：

图4.31 OLE DB目标编辑器映射页
列自动匹配因为列名和数据类型相同。类型相匹是因为可用目标列是从可用输入列的元数据构建的。点击确定按钮。你的数据流画布如图4.32所示：

图4.32 数据流画布
在执行前我们需要处理StageUpdates中的行。现在需要更新的数据保存在StageUpdates表。我们需要这些数据应用到dbo.Person表。点击控制流页签然后画布添加一个执行SQL任务。点击数据流任务将绿箭头拖动到执行SQL任务：

图4.33 添加执行SQL任务
我们将在执行SQL任务中执行一个基于集合的更新。不像每次只loop一行记录，基于集合的几乎可以一次把所有更新应用到目标表。
右击执行SQL任务打开执行SQL任务编辑器。在常规页，修改名称属性为"Apply Staged Updates"，修改连接属性为127.0.0.1,5377.AdventureWorks2012.sa。点击SQLStatement属性的省略号打开"输入SQL查询"，并键入下面T-SQL语句：

update dest
   set dest.FirstName = stage.FirstName
      , dest.MiddleName = stage.MiddleName
      , dest.LastName = stage.LastName
  from dbo.Person dest
   join dbo.StageUpdates stage
     on stage.EntityID = dest.EntityID

这个语句将StageUpdates和dbo.Person联接，并将更新从Stage应用到目标。在我们执行这个包之前，让我们重置目标表中的数据，执行下面T-SQL语句：

use [AdventureWorks2012]
go
update dbo.Person set MiddleName='Ray'
 where MiddleName Is NULL

返回到BIDS，按F5执行SSIS包。我的控制流如下所示:

图4.34 控制流画布
我的数据流任务如下所示：

图4.35 数据流任务
在BIDS的进度页签显示了改进后的执行时间：

图4.36 改进后的执行时间
2.792秒远好于2分钟！
我们仍然需要对StageUpdates表做更多处理。当前的配置会继续往StageUpdates表中保存记录然后应用于更新。我们可以在更新应用到dbo.Person目标表之后，删除StageUpdates表中的记录。但如果在执行过程中发生一些"坏"的情况，执行过程中保留这些记录可以让我有更多的数据点来检查线索。因此，我们在数据流任务加载前清空StageUpdates表，让StageUpdates表中的记录在执行期间一直保留。
为了达到这个目的，首先停止BIDS调试器。然后在控制流画布添加另一个执行SQL任务，连接执行SQL任务到数据流任务：

图4.37 添加执行SQL任务
双击打开执行SQL任务编辑器。配置常规页如图4.38所示：

图4.38 配置常规页面
下面我们准备执行，点击F5执行SSIS包：

图4.39 控制流画布
数据流任务执行一个增量加载：

图4.40 数据流画布
总结
在这篇文章中，我们从一个存在于目标的数据不会有变更的SSIS增量加载开始。这种很适用于给定日期的高温数据，或每天货币兑换率的案例。有些数据是随着时间变化的。为了捕捉这些变化，我们需要检测源和目标之间的差异，并将更新应用到目标。本篇文章覆盖了几种更新的方法，越往后面效率越高。