我有一个350MB的表，相当宽，有两个varchar（2000）列 . 通过SSIS数据流，通过OLEDB "fast load"目标加载到Azure SQL DW需要60分钟 . 我将该数据流上的目标更改为Azure Blob目标（来自SSIS Azure feature pack），并且在1.5分钟内完成相同的数据流（并且新平面文件中的Polybase大约需要2分钟） .
对于另一个来源，我有一个现有的1GB平面文件 . SSIS数据流入Azure SQL DW中的OLEDB目标需要90分钟 . 将文件复制到blob存储，Polybase加载需要5分钟 .
SSIS是SSIS 2014，它在与Azure SQL DW相同的Azure VM上运行 . 我知道批量加载比Polybase慢得多，因为批量加载漏斗通过控制节点，但Polybase在所有计算节点上并行化 . 但那些批量负载数字非常慢 .
为了通过批量加载尽快加载到Azure SQL DW阶段表，SSIS数据流和目标的最佳设置是什么？特别是我对以下设置的最佳值感兴趣，除了我没有考虑的任何其他设置：
-
舞台表几何= HEAP（我相信是最快的）
-
数据流设置：
-
DefaultBufferMaxRows =？
-
DefaultBufferSize =？
-
OLEDB目标设置
-
数据访问模式=表或视图 - 快速加载
-
Keep Identity =未选中
-
保持空虚=？
-
表锁=？
-
检查约束=？
-
每批行=？
-
最大插入提交大小=？
1 回答
Polybase无疑是加载到SQL DW的最快方式 . 您建议的HEAP也是最快的目的地类型 . 在best practices for loading to Clustered Columnstore using SSIS上查看来自SQL CAT团队的这篇文章 . 这里工程团队的建议是尝试调整DefaultBufferMaxRows（默认值为10K），DefaultBufferSize（默认值为10 MB），每批行数和最大插入提交大小 .
多年前，我对我们的内部版本的Azure SQL数据仓库，PDW（也称为并行数据仓库或APS，设备平台系统）进行了广泛的SSIS性能测试 . 在那个测试中，我经常发现本地CPU是瓶颈，特别是单个核心 . 如果您通过核心监视CPU利用率，则可以使用Perfmon清楚地看到这一点 .
我可以做一些事情来提高吞吐量 . 如果您在单个核心上受CPU限制，则运行多个并发SSIS包将使您能够使用更多内核并且运行速度更快 . 为此，您需要将源文件分成多个文件，目标应该是多个表 . 如果对目标表进行分区并且每个加载包含不同的分区，则可以在加载数据后使用分区切换，以便将其合并到单个表中 .
您还可以尝试在程序包中创建多个数据流，这将实现与并行运行多个SSIS加载程序相同的性能，但我相信您仍然需要将源文件分解为多个文件以及目标，多个表最大化吞吐量 .
我尝试的另一种方法是在一个数据流中使用并行加载器 . 虽然这比一个加载器快，但它比我前面提到的前两个方法要慢 .
我还发现如果我有SSIS做char到二进制字符转换，那加速了加载 . 此外，使用SQL源比使用文本文件作为源更快 .
您可以尝试的另一件事是SSIS Balanced Data Distributor . BDD是在源系统上使用多个核心而不必运行多个并发SSIS包的另一种方法 .
运行SSIS包时，请使用perfmon监视CPU，以查看您是在单核上运行还是在多核上运行 . 如果你正在盯住一个核心，那么这很可能是你的瓶颈 .
另外，关于VARCHAR（2000）列 . 如果您确实不希望传入的数据为此大小，请减小VARCHAR列的大小 . 虽然我们将来会改进这种行为，但目前我们的数据移动服务会将您的VARCHAR数据填充到固定长度 . 这当然意味着如果最宽的值远小于2000个字符，则移动的数据将超过所需的数量 .
我希望这有帮助 .