SQL Server数据转换服务的妙用之导入导出数据

数据库 SQL Server
我们今天主要向大家讲述的是是SQL Server数据转换服务的妙用之导入导出数据,假如你对其实际操作有兴趣的话,你就可以浏览以下的文章了。

以下的文章主要介绍的是SQL Server数据转换服务的妙用之导入导出数据,在实际操作中可以对SQL Server数据转换服务进行巧妙的使用,今天我们就主要和大家一起分享的是SQL Server数据转换服务的妙用之导入导出数据。

在企业中,各种数据分布于各个场合中。如在企业采用SQL Server数据库之前,可能采用了Excle或者MY SQL等数据库。他们的格式不同,存储的位置也不同。但是,管理者在决策的时候,可能需要用到各方面的数据。此时,用户就会遇

 

在企业中,各种数据分布于各个场合中。如在企业采用SQL Server数据库之前,可能采用了Excle或者MY SQL等数据库。他们的格式不同,存储的位置也不同。但是,管理者在决策的时候,可能需要用到各方面的数据。此时,用户就会遇到一个问题,如何把这些不同格式、不同地理位置的数据集中起来进行分析呢?为了解决这个难题,SQL Server数据库中提出了一种叫做DTS(数据转换)的服务。通过这个工具,使得数据库管理员可以将来自不同的源的数据(不同格式)提取、转换甚至合并到某个特定的目的(如SQL Server数据库),以满足统计分析的需要。

 

可以说,SQL Server数据转换服务所提供的一组工具能够帮助数据库管理员解决数据库起初数据导入、数据合并分析等方面的问题。具体的来说,它有如下四个妙用。

SQL Server数据转换服务的妙用之导入导出数据

企业在部署信息化项目的时候,比较头痛的一个问题就是基础数据导入的问题。现在大部分企业在实施信息化项目,如ERP项目时,都一定有一定的信息化水平。最简单的来说,至少可能已经用Excle等办公软件来记录一些信息,如产品信息或者客户基本信息等。

那么,在他们部署ERP系统的时候,若让企业员工再一条条的把信息输入进去,就会增加许多额外的工作量。据笔者了解,很多企业都是在原有资料的基础上,进行稍加修饰,如去掉一些不用的内容或者修改一些不准确的信息后,直接导入到数据库中。

但是,在导入的过程中,由于格式不兼容或者其他问题,往往会导致导入的失败。而利用普通的工具,如SQL Server自带的导入工具,无法记录这些错误信息。利用这些工具在导入数据的时候,若遇到一条错误就会终止导入进程。如此数据库管理员需要重新检查数据源(有时数据库还不会提示哪条记录出现了问题)。这么导入数据的效率是非常低下的。

而数据转换服务能够帮助我们解决这个问题。如SQL Server数据转换服务可以把文本格式的数据或者Excel文件中的数据导入到SQL Server数据库中。最重要的是,如果这个原始的数据源中某条记录有问题的话,不会中断整个导入进程。在导入结束后,数据转换服务会生成一份报告。

在这份报告中,会详细记录哪些记录没有成功导入以及可能遇到的问题。如果记录少的话,数据库管理员只需要手工录入即可;而数据多的话,数据库管理员也可以分批导入数据,也把符合要求的记录导入进去;然后再根据导入报告去修改那些不符合格式的记录。修改完成以后再继续导入剩余的数据。

很明显,通过这个数据转换工具,导入不同格式的记录,会便利许多。与此同时,SQL Server数据转换服务还可以把SQL Server数据库中的内容导出到一些特定的对象中,如Excel表格中。

所以,数据转换服务的导入导出数据功能,在一些大量数据的导入导出以及不同格式的数据源之间进行对导,具有很大的用途。如数据转换服务可以将大容量的文本文件格式的记录高速导入到SQL Server数据库中,等等。

【编辑推荐】

  1. SQL Server数据库Processor Affinity概述
  2. 破解SQL Server占内存过多很简单!
  3. SQL Server 2005快照与查询的使用场景
  4. SQL Server拆分字符串的3常用种方法
  5. SQL Server2005插入汉字变问号的破解

 

责任编辑:佚名 来源: 赛迪网
相关推荐

2011-03-28 17:12:36

SQL Server数转换服务

2010-10-21 16:54:59

SQL Server数

2010-07-15 14:40:05

SQL Server数

2010-07-15 14:55:05

SQL Server数

2010-06-24 09:47:47

SQL Server

2010-11-09 17:19:49

SQL Server导

2010-07-15 14:46:20

SQL Server数

2010-07-21 14:11:36

SQL Server

2010-07-21 14:17:36

SQL Server数

2009-03-30 15:52:24

数据导入导出SQL Server

2010-07-23 09:25:50

SQL Server导

2010-06-17 17:11:03

SQL Server

2011-04-06 16:05:29

SQL Server数据导入

2010-07-12 17:25:32

SQL Server海

2010-09-06 16:25:46

SQL函数

2011-04-13 10:09:50

Oracle数据泵导入导出

2010-10-22 11:22:33

SQL Server数

2022-11-07 12:22:00

2023-03-28 07:17:25

场景数据业务

2010-07-15 13:09:07

SQL Server成
点赞
收藏

51CTO技术栈公众号