excel大数据导入数据库(数据库大批量数据导入)

1. 数据库大批量数据导入

使用柠檬云网站“设置”下的“备份恢复”功能可以实现导入账套。 具体操作：将已备份的账套数据下载后，登录新账套，在“备份恢复”功能下，点击“上传本地备份”，此时成功上传数据，再点击“恢复”，随后“确定”即可将备份数据导入新账套。

2. 大批量导入数据到数据库解决方案

Excel表格批量从另一个表导入数据的方法：

1、先打开需要处理的两个表格。下面以进口明细和物料总表两个表格为例。这里是要在物料总表中导入物料名称跟规格型号。

2、点击物料明细这个表B2单元格，然后点击fx，插入函数。选择VLOOPUP函数，点击确认。

3、然后会出来VLOOKUP函数的函数参数。在lookup_value一行，选择需要搜索的数据，也就是两个表都满足的条件，在这里选择物料编码A2单元格

4、接着点击函数参数第二行table_arrry，选择能搜索数据的信息表，在这里要选择搜索物料总表的范围，按住鼠标左键，选择物料总表的范围，物料总表.xls!$A:$C。

5、然后，在参数第三行Col_index_num输入需要倒入的数据列数。这里需要倒入的物料名称是第二列，所以输入2即可。接着在最后一行Range_lookup输入0或者true表示精确查找。

6、接着点击确定，函数便设置成功了，回到进口明细excel表，便可看到，刚刚设置函数的单元格B2，现在有物料名称显示了。然后将鼠标放在B2单元格右下角，待鼠标变成粗十字符号，双击鼠标，填充单元格即可。

7、接着还是同样用vlookup函数，操作单元格B3，参数第一行选择A2，第二行物料总表.xls!$A:$C，第三行选择规格型号的列数3，再精确查找。导入规格型号一列。

3. excel批量导入数据库

首先要分类讨论1. 你是要做一个通用的导入导出，还是一个设计好格式的？

2. 你的数据量有多大3. 服务器端是否允许安装Office倒着来3. 装了 Office 就去看文档，没装就用 EPPlus 库然后看文档，应该都是 xslx了吧2. 数据量小的直接进，数据量大首先在服务器端把上传的 xlsx 拆分小一点文件，这样占用内存会小很多。1. 设计好格式，标头确定的，那就直接读，每行按单元格下标依次灌入对象，插入数据库通用的话，实际上需要用户首先下载一个模板，模板根据数据库字段生成，文件名就是数据表名加下载时间，导入时拆分文件名，获得表名，根据位置灌到数据库。

如果更高级点，你可以在模板中增加一个隐藏的 sheet，把相关字段信息及字典值都藏在里面，导入的时候根据隐藏 sheet 的内容进行检查清洗，然后再入数据库总结Excel 导入其实就是要去建立一个格式契约，简单的就是约定死；复杂的就是根据内容动态藏在 excel 文件中，导入时根据约定去解析处理文件。

4. mysql大批量数据导入

关于mysql处理百万级以上的数据时如何提高其查询速度的方法

最近一段时间由于工作需要，开始关注针对Mysql数据库的select查询语句的相关优化方法。

由于在参与的实际项目中发现当mysql表的数据量达到百万级时，普通SQL查询效率呈直线下降，而且如果where中的查询条件较多时，其查询速度简直无法容忍。曾经测试对一个包含400多万条记录（有索引）的表执行一条条件查询，其查询时间竟然高达40几秒，相信这么高的查询延时，任何用户都会抓狂。因此如何提高sql语句查询效率，显得十分重要。以下是网上流传比较广泛的30种SQL查询语句优化方法：

1、应尽量避免在 where 子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描。

2、对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。

3、应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描，如：

select id from t where num is null

可以在num上设置默认值0，确保表中num列没有null值，然后这样查询：

select id from t where num=0

4、尽量避免在 where 子句中使用 or 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描，如：

select id from t where num=10 or num=20

可以这样查询：

select id from t where num=10

union all

select id from t where num=20

5、下面的查询也将导致全表扫描：(不能前置百分号)

select id from t where name like ‘%c%’

若要提高效率，可以考虑全文检索。

6、in 和 not in 也要慎用，否则会导致全表扫描，如：

select id from t where num in(1,2,3)

对于连续的数值，能用 between 就不要用 in 了：

select id from t where num between 1 and 3

7、如果在 where 子句中使用参数，也会导致全表扫描。因为SQL只有在运行时才会解析局部变量，但优化程序不能将访问计划的选择推迟到运行时；它必须在编译时进行选择。然 而，如果在编译时建立访问计划，变量的值还是未知的，因而无法作为索引选择的输入项。如下面语句将进行全表扫描：

select id from t where num=@num

可以改为强制查询使用索引：

select id from t with(index(索引名)) where num=@num

8、应尽量避免在 where 子句中对字段进行表达式操作，这将导致引擎放弃使用索引而进行全表扫描。如：

select id from t where num/2=100

应改为:

select id from t where num=100*2

9、应尽量避免在where子句中对字段进行函数操作，这将导致引擎放弃使用索引而进行全表扫描。如：

select id from t where substring(name,1,3)=’abc’–name以abc开头的id

select id from t where datediff(day,createdate,’2005-11-30′)=0–’2005-11-30′生成的id

应改为:

select id from t where name like ‘abc%’

select id from t where createdate>=’2005-11-30′ and createdate<’2005-12-1′

10、不要在 where 子句中的“=”左边进行函数、算术运算或其他表达式运算，否则系统将可能无法正确使用索引。

11、在使用索引字段作为条件时，如果该索引是复合索引，那么必须使用到该索引中的第一个字段作为条件时才能保证系统使用该索引，否则该索引将不会被使 用，并且应尽可能的让字段顺序与索引顺序相一致。

12、不要写一些没有意义的查询，如需要生成一个空表结构：

select col1,col2 into #t from t where 1=0

这类代码不会返回任何结果集，但是会消耗系统资源的，应改成这样：

create table #t(…)

13、很多时候用 exists 代替 in 是一个好的选择：

select num from a where num in(select num from b)

用下面的语句替换：

select num from a where exists(select 1 from b where num=a.num)

14、并不是所有索引对查询都有效，SQL是根据表中数据来进行查询优化的，当索引列有大量数据重复时，SQL查询可能不会去利用索引，如一表中有字段 sex，male、female几乎各一半，那么即使在sex上建了索引也对查询效率起不了作用。

15、索引并不是越多越好，索引固然可以提高相应的 select 的效率，但同时也降低了 insert 及 update 的效率，因为 insert 或 update 时有可能会重建索引，所以怎样建索引需要慎重考虑，视具体情况而定。一个表的索引数最好不要超过6个，若太多则应考虑一些不常使用到的列上建的索引是否有 必要。

16.应尽可能的避免更新 clustered 索引数据列，因为 clustered 索引数据列的顺序就是表记录的物理存储顺序，一旦该列值改变将导致整个表记录的顺序的调整，会耗费相当大的资源。若应用系统需要频繁更新 clustered 索引数据列，那么需要考虑是否应将该索引建为 clustered 索引。

17、尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销。这是因为引擎在处理查询和连接时会 逐个比较字符串中每一个字符，而对于数字型而言只需要比较一次就够了。

18、尽可能的使用 varchar/nvarchar 代替 char/nchar ，因为首先变长字段存储空间小，可以节省存储空间，其次对于查询来说，在一个相对较小的字段内搜索效率显然要高些。

19、任何地方都不要使用 select * from t ，用具体的字段列表代替“*”，不要返回用不到的任何字段。

20、尽量使用表变量来代替临时表。如果表变量包含大量数据，请注意索引非常有限（只有主键索引）。

21、避免频繁创建和删除临时表，以减少系统表资源的消耗。

22、临时表并不是不可使用，适当地使用它们可以使某些例程更有效，例如，当需要重复引用大型表或常用表中的某个数据集时。但是，对于一次性事件，最好使 用导出表。

23、在新建临时表时，如果一次性插入数据量很大，那么可以使用 select into 代替 create table，避免造成大量 log ，以提高速度；如果数据量不大，为了缓和系统表的资源，应先create table，然后insert。

24、如果使用到了临时表，在存储过程的最后务必将所有的临时表显式删除，先 truncate table ，然后 drop table ，这样可以避免系统表的较长时间锁定。

25、尽量避免使用游标，因为游标的效率较差，如果游标操作的数据超过1万行，那么就应该考虑改写。

26、使用基于游标的方法或临时表方法之前，应先寻找基于集的解决方案来解决问题，基于集的方法通常更有效。

27、与临时表一样，游标并不是不可使用。对小型数据集使用 FAST_FORWARD 游标通常要优于其他逐行处理方法，尤其是在必须引用几个表才能获得所需的数据时。在结果集中包括“合计”的例程通常要比使用游标执行的速度快。如果开发时 间允许，基于游标的方法和基于集的方法都可以尝试一下，看哪一种方法的效果更好。

28、在所有的存储过程和触发器的开始处设置 SET NOCOUNT ON ，在结束时设置 SET NOCOUNT OFF 。无需在执行存储过程和触发器的每个语句后向客户端发送 DONE_IN_PROC 消息。

29、尽量避免向客户端返回大数据量，若数据量过大，应该考虑相应需求是否合理。

30、尽量避免大事务操作，提高系统并发能力。

5. mysql导入数据

1、首先打开Navicat软件，连接到数据库进入需要导入的数据库：

2、然后点击表格，选择右键导入向导，进行导入操作：

3、这里可以选择很多种导入方式，点击文本文件从txt中导入，选择后点击下一步：

4、点击下一步会弹出对话框，选择要导入的文件，双击文件导入即可：

5、导入之后进入下一步，然后设置分隔符，这里不做改变，然后回车进行下一步