同事最近在忙数据一致性比对工作，需要对不同文本文件中的数据进行比对，有的文件较大，记录较多，如果用普通的文本编辑器打开的话，很显然，会很卡，甚至打不开。
基于此，可将该文本文件的数据导入到数据库中，在集合的层面进行比对。
那么如何将文本文件的数据导入到数据库中呢？在这里，主要利用了Oracle的外部表特性。
Oracle外部表支持两种类型的驱动：一种是ORACLE_LOADER，外部表的数据必须来源于文件文件，另一种则是ORACLE_DATAPUMP，外部表的数据必须是二进制dump文件，该dump文件是先前将Oracle内部表的数据导入到外部表中填充的文件。很显然，Oracle希望将数据保留在数据库内部进行处理。
首先，我们来看一下该文本文件的大小及记录。
[[email protected] ~]$ du -sm P_20150626010000_2002371.0003479598 274 P_20150626010000_2002371.0003479598 [[email protected] ~]$ wc -l P_20150626010000_2002371.0003479598 2899265 P_20150626010000_2002371.0003479598
从上面的输出可以看出，该文件274M，有2899265条记录。
其次，构建创建外部表语句。
CREATE TABLE emp_load
(subsid number(18),
servnumber VARCHAR2(20 CHAR),
subsprodid NUMBER(18),
prodid VARCHAR2(32 CHAR),
startdate date,
enddate date,
owner VARCHAR2(4 CHAR))
ORGANIZATION EXTERNAL
(TYPE ORACLE_LOADER
DEFAULT DIRECTORY tmp
ACCESS PARAMETERS
(RECORDS DELIMITED BY NEWLINE
FIELDS TERMINATED BY "|"
( subsid DECIMAL EXTERNAL,
servnumber CHAR(20),
subsprodid DECIMAL EXTERNAL,
prodid CHAR(32),
startdate date "yyyymmddhh24miss",
enddate date "yyyymmddhh24miss",
owner CHAR(4)
)
)
LOCATION (‘P_20150626010000_2002371.0003479598‘)
);
注意，目录tmp必须存在，因为我是在scott用户下执行的，所以scott用户必须对该路径有读写权限。
第三、在scott用户下执行该建表语句。
第四、查看生成的外部表是否有问题
SQL> select count(*) from emp_load;
COUNT(*)
------------------
2899265
记录与wc-l查看的记录数吻合。
注意，建表过程中没有报错并不一定意味着数据已经成功加载在外部表中。必须通过查询外部表来判定数据是否已成功加载，倘若有错误提示，可参看当前目录下生成的日志文件，具体在本例中，是EMP_LOAD_2000.bad和EMP_LOAD_2000.log。
当然，外部表中的数据只能查询，不能做DML操作，譬如，随机删除表中的一条数据
SQL> delete from emp_load where rownum=1;
delete from emp_load where rownum=1
*
ERROR at line 1:
ORA-30657: operation not supported on external organized table
如果想对该外部表数据进行DML操作，可先将外部表的数据导入到内部表中。具体步骤如下：
SQL> create table test as select * from emp_load where 1=0;
Table created.
SQL> INSERT /*+ APPEND */ INTO test select * from emp_load;
2899265 rows created.
Elapsed: 00:01:00.29
SQL> select * from test where rownum<=100;
select * from test where rownum<=100
*
ERROR at line 1:
ORA-12838: cannot read/modify an object after modifying it in parallel
SQL> commit;
Commit complete.
SQL> select * from test where rownum<=100;
在这里，为了节省时间，我用了直接路径插入，可以看出，插入近300万数据，只用了1分左右的时间，考虑到我虚拟机上的数据库，只给它分配了300M的内存，加载的效率还是相当可观的。
SQL> show parameter memory NAME TYPE VALUE ------------------------------------ ----------- ------------------------------ hi_shared_memory_address integer 0 memory_max_target big integer 300M memory_target big integer 300M shared_memory_address integer 0
后来，测试了一下传统路径插入所消耗的时间，为了和直接路径插入进行比较，剔除SQL解析，data buffer等因素的影响，清空了共享池和buffer cache，具体如下：
SQL> conn /as sysdba Connected. SQL> alter system flush shared_pool; System altered. SQL> alter system flush buffer_cache; System altered. SQL> conn scott/tiger Connected. SQL> set timing on SQL> insert into test select * from emp_load; 2899265 rows created. Elapsed: 00:01:05.36
用传统路径插入（即会产生redo日志），耗时1分5秒，相对于直接路径插入，两者效率相差不大，看来还是数据量较小，不能明显的体现直接路径插入速度上的优势。
注意：在SQL*PLUS中，number字段的输出默认为10，这样会导致对于937116510102250300这样的数值，可能会显示为9.3712E+17，在这里，可通过set numwidth 18来显示完整的number字段的值。