【译】第三篇 Integration Services：增量加载-Adding Rows

本篇文章是Integration Services系列的第三篇，详细内容请参考原文。

---

增量加载是什么
增量加载仅加载与先前加载差异的。差异包括：
->新增的行
->更新的行
->删除的行
通过它的性质，一个增量加载是可重复执行的，意味着你可以一遍遍的执行而不会损坏数据。更有意思是，加载被设计为执行多次，而不会引起服务器进行不必要的或重复的工作。
在这一篇及接下来的两篇，我们会学习增加加载中的新增、更新、删除行。本篇我们集中在新增上。
To The Keyboard
让我们打开第二篇SSIS数据泵中的My_First_SSIS_Project项目，当你打开项目后，你需要打开解决方案管理器然后双击Package.dtsx来打开SSIS包设计器。

图3.1 打开SSIS包设计器
在图3.1中打开数据流任务编辑器(你可以点击数据流页签，或双击数据流任务，或右击数据流任务然后选择编辑)。一旦打开编辑器，我们可以看到OLE DB源适配器通过数据流路径和OLE DB目标适配器连接：

图3.2 数据流任务下的源和目标
如果你按照第二篇的步骤操作过，那么你从AdventureWorks2012.Person.Person表加载19972行数据到AdventureWorks2012.dbo.Person表。
问题：如果你重新执行SSIS包会发生什么？答案：它会从Person.Person表加载相同的19972行到dbo.Person表。不要不相信我，让我们测试下，在SSMS中执行下面代码：

use AdventureWorks2012
go
select * from [dbo].[Person]

如果脚本返回行数大于19972，说明SSIS包不止执行1次。你可以用下面脚本清除dbo.Person表中的数据：

delete [dbo].[Person]

返回到BIDS然后按F5重新运行SSIS包，当数据加载完成数据流任务如图3.3所示：

图3.3 OLE DB源数据转移到OLE DB目标
返回SSMS并注释掉Delete语句。在Delete语句被选中的情况下，可以通过快捷方式注释语句，按下Ctrl+K，然后按下Ctrl+C键；取消注释，按下Ctrl+K，然后按下Ctrl+U键。
现在dbo.Person表中应该只有19972行记录。你可以用前面的查询语句检查。
如果BIDS调试器还在运行，调试菜单应该如图3.4红粗框所示；此时如果你查看控制流或任务流的工具箱，应该可以看到如图3.4红细框所示的提示信息：

图3.4 运行状态下的调试菜单和工具箱
这是因为BIDS调试器正在运行，可以在图3.4的右上角看到调试菜单中的"启动调试"按钮是灰色/禁用的，因为这个包已经在调试模式下执行。
有几种方式可以停止BIDS调试器。你可以点击调试菜单中的"停止"按钮(图3.4红粗框中)；你可以同时按下Shift+F5；你可以点击BIDS->调试->停止调试

图3.5 停止调试
你也可以在包设计器的底部单击“连接管理器”选项卡下方的“链接”：

图3.6 连接管理器下的链接
选择任一方式停止BIDS调试器。
增量加载的目标
在我们开始做一些改变之前，让我们来定义一个增量加载的目标：
1、源新增(new)的数据插入(insert)到目标
2、源修改(changed)的数据更新(update)到目标
3、源移除(removed)的数据从目标中删除(delete)
本篇剩余篇幅将集中讨论第一种情况，源增加新行插入到目标。
检测新行
在我们开始之前，让我们回到SSMS并创建新行测试。通过思考，有一些方式可以建立这个测试：
1、在AdventureWorks2012.Person.Person(源表)加入新行。毕竟，在现实中行会被加到源，然后加载到目标。根据你的设置，这可以简单的完成。
2、从目标删除行
两种方法都能满足测试需求，源中部分记录不存在于目标。这里选择第2种方式，从目标中删除行。让我们在SSMS中执行下面代码：

use AdventureWorks2012
go
delete [dbo].[Person] where MiddleName Is NULL

这条语句将删除dbo.Person表MiddleName列为null的所有记录。当我执行这个语句，可以看到下面信息：

(8499 行受影响)

dbo.Person表中还剩下11473行。我们已经有测试条件，当前源中部分行在目标中不存在。
我们的测试条件存在，我们有新的行加载。增量加载新行要做的第一件事是检测新行。由于我们的源和目标是SQL Server表保存在同一个数据库，我们可以返回SSMS，然后执行一些T-SQL来识别新行。有很多方法可以完成这个。
方法1：使用not in我们可以查找记录在源(Person.Person)，没有出现在目标(dbo.Person)。在SSMS的查询窗口执行下面的T-SQL语句：

use AdventureWorks2012
go
select FirstName
      ,MiddleName
      ,LastName
      ,BusinessEntityID
  from Person.Person
 where BusinessEntityID Not In (select EntityID from dbo.Person)

方法2：使用LEFT JOIN查询检测新行

use AdventureWorks2012
go
select src.FirstName
      ,src.MiddleName
      ,src.LastName
      ,src.BusinessEntityID
  from Person.Person src
  left join dbo.Person dest
    on src.BusinessEntityID = dest.EntityID
 where dest.EntityID is null

Breaking a Few Eggs
返回到BIDS中的My_First_SSIS_Project项目，你可能已经猜测到我们需要在OLE DB源和OLE DB目标之间添加组件。因此我们要做的第一件事是，删除数据流路径。右击数据流路径，点击删除：

图3.7 删除数据流路径
一旦删除数据流路径，Person目标适配器将出现一个错误提示(红圈中有一个白X)

图3.8 删除数据流路径后的任务流
这是什么意思？为什么现在出现？因为我们删除了之前配置的数据流路径。记得在第二篇图2.33，我们打开数据流路径编辑器并查看了元数据选项。那里包含了数据流任务传给OLE DB目标(Person)适配器的列信息。数据流路径是数据流任务和目标适配器的一个接口。
我们可以点击视图->错误列表，来查看错误的详细信息：

图3.9 删除数据流路径后的错误信息
OLE DB目标适配器报告缺失的输入列。它无法找到EntityID。但注意其他列也缺少。为什么OLE DB目标适配器没有报其他列的错呢？简单，它不关心有多少列缺失，它知道它需要所有。因此，只要有一个缺少，这就足以抛出错误。
添加查询组件
在数据流画布，OLE DB源和OLE DB目标之间拖放一个查找转换组件。你可能需要将OLE DB目标往下移动腾出空间。在OLE DB源单击，然后单击数据流路径(绿色箭头)并拖动到查找转换：

图3.10 添加查找组件
注意我使用的是SQL Server 2008 R2 Integration Services。在SSIS 2005以后查找转换发生了巨大的变化。以下适用于SSIS 2008和2008 R2。
查找转换所隐含的含义：它在另一个表、视图或查询中查找与流经该变换的行进行匹配。这里有几个关键概念，当我们配置查找时会指出。但一般的想法是"到其他表、视图、或查询，查找在某(些)列是否找到匹配。如果你找到了一个匹配，把这行(或这些行)其他的列返回。"这听起来比较简单，但有一些怪癖：
怪癖1：如果在数据流与查找对象(表、视图、查询)的列上没有找到匹配，查询转换默认会让转换失败
怪癖2：如果在查找对象中找到多条匹配，查询转换只会返回第一条匹配上的。
配置查找转换
双击查找，打开查找转换编辑器。默认显示常规页面，在常规项的顶部是缓存模式配置。
如果你使用的是SSIS2005，你可以在查找转换的属性列表中找到缓存模式选项。缓存模式属性控制实际查找操作何时以及如何发生。
无缓存模式：每行通过转换都会发生查找操作。每当一行传到查找，该转换就在查找对象(表、视图或查询)上执行一个查询；并将任何返回值添加到行中。
完全缓存模式：在数据流任务执行前，查找操作尝试加载查找对象(表、视图或查询)中的所有记录到缓存中。你有没有注意到"尝试"这个词？如果查找对象返回很大的数据集，或者服务器本身内存紧张，查找将会失败。查找缓存holds配置的表、视图或查询的数值。当他们通过转换时缓存中找到的匹配值就添加到行。
在完全缓存模式由于内存紧张导致查找转换失败，你该如何处理呢？一个选择是使用无缓存模式，另一个选择是使用部分缓存模式。还有其他的选择，但已超出本篇文章的范围。
部分缓存模式：当行传入时，转换首先在查找缓存中查找匹配。如果缓存中没有匹配就发生查找操作。匹配的数据加到行和查找缓存。如果另一行通过转换查找相同的匹配列，直接从查找缓存中获取匹配数据。
本例中选择默认配置，完全缓存。查找数据集非常小(19972行)。我会监控这个SSIS包的性能，如果需要就会适当调整。
接着，将"指定如何处理无匹配项的行"更改为"将行重定向到无匹配输出"

图3.11 查找转换编辑器常规页
这是SSIS2008/2008R2查找转换的一个很好的补充。在这个更新版本的查找中，有很多的“绿色”(有效的或非错误)输出，匹配输出和不匹配输出。
点击连接页设置OLE DB连接管理器到127.0.0.1,5377.AdventureWorks2012.sa。类似OLE DB源适配器，我们给连接管理器配置一个接口；同样我们需要选择表或键入查询语句从连接管理器配置的实例.数据库中获取数据。本例中键入下面T-SQL语句：

SELECT [EntityID]
      ,[FirstName]
      ,[LastName]
      ,[MiddleName]
  FROM [dbo].[Person]

图3.12 查找转换编辑器连接页
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。
在可用输入列上点击EntityID列，然后拖动到可用查找列的EntityID列上。当你松开鼠标时就会在可用输入列的EntityID列和可用查找列的EntityID列之间出现一条直线，类似于join中的on子句，实际就是一个映射关系。
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。If the Lookup Transformation is similar to a Join, the checkboxes are a mechanism for adding columns from the joined table to the SELECT clause.在本例中，不需要检查任何列如图3.13所示：

图3.13 映射列
我们已经配置了查找转换，匹配存在于数据流管道与目标表中的记录。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。我们配置查找转换通过对比目标表中的EntityID列和源表中的EntityID列。我们配置查找转换处理无匹配项的行时，将行重定向到无匹配的输出。如果在目标和源表中找到匹配行，查找转换将把这些行发送到匹配输出。
点击确定关闭查找转换编辑器。然后点击查找转换拖动其底部的绿数据流路径到OLE DB目标，弹出的对话框中选择"查找无匹配输出"。

图3.14 选择输入输出
让我们回顾一下我们在这里所做的。它能重复，这是一个非常重要的。
为什么选择"查找无匹配输出"？在SSIS2008/2008r2中，查找转换提供内置输出来捕获存在于源表(Person.Person表)，但不存在于查找表(dbo.Person表)——查找无匹配输出。
让我们看一下数据流任务，检查添加查找转换的影响。右键单击OLE DB源适配器和查找转换之间的数据流路径，然后单击“编辑”：

图3.15 编辑数据流路径
当打开数据流路径编辑器，点击元数据页。路径数据元如图3.16所示：

图3.16 源和查找之间的数据流路径编辑器
这些列来自OLE DB源将进入到查找转换。关闭这个数据流路径编辑器。右击查找和OLE DB目标之间的数据流任务，然后选择编辑打开另一个数据流路径编辑器：

图3.17 查找和目标之间的数据流路径编辑器
它们是相同的！查找转换的无匹配输出是查找转换输入的一个拷贝。如果我们没有找到匹配，我们希望通过查找转换的无匹配输出传送所有的数据列给后续操作。关闭数据流路径编辑器。
当你完成，数据流任务画布将如图3.18所示：

图3.18 数据流任务画布
让我们测试，按F5。你应该能看到绿色窗体：

图3.19 第一次执行SSIS包
我们刚刚加载了8499行新数据。这8499行新数据来自哪里。是否记得：为了模拟新行，我们从dbo.Person表中删除8499行。我们只是重新加载它们。
现在你可以做些有趣的事情，点击调试菜单中的重新启动按钮：

图3.20 重新启动SSIS包
点击重新启动按钮，SSIS包会停止调试并重新启动调试。这次，注意查找转换在目标表中找到了源表中的所有行：

图3.21 第二次执行SSIS包
因为查找转换找到了所有匹配行，它们不会被发送到无匹配输出。
总结
我们已经完成了一组目标。首先，我们建立了一个加载器，只将源表中的新行添加到目标表。其次，我们所建的加载器是可重复执行的，它并不是将一堆复本复制到目标。
在离开这个主题之前，我想强调的是，你已经建立了一个有用的SSIS包。生产环境中有很多类似加载数据的SSIS包。增量加载有时只加载新行，比如历史每日货币兑换率的表，表中的数据是不会随时间变化的。每一天结束它就固定了。另外源中的数据变更或快或慢，增量加载模式允许你设置一年一次、一分钟一次或任何时间间隔(周期/不周期性)加载数据。只有新行被加载到目标。