大数据批量插入数据库使用（SqlBulkCopy ）效率更高

标签：

SqlBulkCopy类是System.Data.SqlClient下的类，我们开发中不常用，甚至不知道有这么一个类的存在，但确实比sql插入，事务批量插入，sql批量拼接插入快很多，比调用存储过程插入方便

下面是它的用法：

  public static bool ExecuteTransactionScopeInsert(DataTable dt, int batchSize)  

        {  

•             int count = dt.Rows.Count;  
•             string tableName = "TestTable";  
•             int copyTimeout = 600;  
•             bool flag = false;  
•             try  
•             {  
•                 using (SqlConnection cn = new SqlConnection(connectionString))  
•                 {  
•                     using (TransactionScope scope = new TransactionScope())  
•                     {  
•                         cn.Open();  
•                         using (SqlBulkCopy sbc = new SqlBulkCopy(cn))  
•                         {  
•                             //服务器上目标表的名称      
•                             sbc.DestinationTableName = tableName;  
•                             sbc.BatchSize = batchSize;  
•                             sbc.BulkCopyTimeout = copyTimeout;  
•                             for (int i = 0; i < dt.Columns.Count; i++)  
•                             {  
•                                 //列映射定义数据源中的列和目标表中的列之间的关系      
•                                 sbc.ColumnMappings.Add(dt.Columns[i].ColumnName, dt.Columns[i].ColumnName);  
•                             }  
•                             sbc.WriteToServer(dt);  
•                             flag = true;  
•                             scope.Complete();//有效的事务      
•                         }  
•                     }  
•                 }  
•             }  
•             catch (Exception ex)  
•             {  
•                 LogHelper.Error(ex.Message);  
•                 return false;  
•             }  
•             return flag;  
•         }  

SqlBulkCopy原理是采用了SQL Server的BCP协议进行数据的批量复制，结合使用事务，就我们的案例而言，大约每批800条是平衡点，性能比逐条插入提高了100多倍，并比同样使用事务批量插入的案例性能提升了7倍以上

这里是来源作者实验的链接：http://blog.csdn.net/amandag/article/details/6393717

大数据批量插入数据库使用（SqlBulkCopy ）效率更高

标签：

原文地址：http://www.cnblogs.com/jingch/p/4215159.html