教你如何解决整理SQL Server输入的数据

我当前的项目中包括一个6200万行、500多列的表。其中的数据来自SQL Server以外，它们到达的表中有一个标识主键，所有剩下的列以varchar(50)形式保存。

问题解决

有许多日期以YYYYMMDD格式保存，这是我注意到的第一个问题。我把这些日期改为整数列。然后我发现许多整数以varchar形式保存，我把它们都改为整数。

接下来，许多列中包含“Y”或“N”或NULL。我们很可能会把它们转换成位列，但这样做存在一个重大的缺陷——你不能索引一个位列。因此，我把它们改成char(1) NULL。

此外，还有一些列中保存有邮政编码，前面一列为五个数字，后面一列为四个数字或NULL。我将它们分别改成char(5)和char(4)，都为NULL。

我遇到的另外一个问题是，我无法明白相当一部分列中的内容。我把它们单独处理，为varchar(50)。我希望确定每个varchar列中保存的字符串的最大长度，但要检查6200万行中的所有数据中不切实际的。因此，我选择生成所有列的char或varchar列表。

SELECT

COLUMN_NAME, DATA_TYPE, 
CHARACTER_MAXIMUM_LENGTH, IS_NULLABLE 

FROM

INFORMATION_SCHEMA.COLUMNS

WHERE TABLE_NAME ='tblArthurClean'

AND DATA_TYPE IN('char','varchar')

我复制结果表中的第一列，把它粘贴到记事本中（这是我最喜欢的文本编辑器，因为它具有优秀的查找-替换功能。）要确定一个特定列中的最长数据，使用下列脚本：

SELECT Max(Len( ColumnName )) 

FROM TableName

推而广之，我希望遍历列列表并生成我需要的声明。我把需要的内容集中到一些格式化行中，用一个单独的查询来达到这个目的。

SELECT

',Max(Len( ' + COLUMN_NAME + ' )) 
AS ' + COLUMN_NAME 

FROM

INFORMATION_SCHEMA.COLUMNS

WHERE TABLE_NAME = 'tblArthurClean'

AND DATA_TYPE IN( 'char', 'varchar' )

列表A中是一个简短的结果集。现在按照以下步骤执行：

Max(Len( Record_Length_Indicator_or_Filler )) 
AS Record_Length_Indicator_or_Filler,   
Max(Len( Job_Number )) AS Job_Number,    
Max(Len( Personal_or_Firm_Name )) 
AS Personal_or_Firm_Name,    
Max(Len( Mailing_Address_Supplied_by_Customer

把结果集粘贴到一个文本编辑器中。

在第一行前面插入SELECT。

在文件末尾增加FROM和表的名称。

我在文件开头和末尾添加以下内容。

SELECT GetDate()

GO

然后我删除输出结果第一行前面的逗号，把它保存为一个查询，加载再让它运行。

我对它在我的服务器上的性能非常满意。它只用了一个小时多一点的时间计算出结果——对于分析一个6200万行几百列的表，时间不算太长。

得到的结果是一行结果集，我可以用它作为修改表结构和列名称的指导,并把这些结果与原始表联系起来，做出相应的调整。

本文说明退一步思考如何能够为你节省大量的输入时间。我的座右铭是：“只要SQL能够做的，它都应该完成。”