Массовая загрузка данных (CSV / из файла)

Oracle

-- SQL*Loader (from the shell)
sqlldr app_user/password control=customer.ctl log=load.log

-- Contents of customer.ctl:
-- LOAD DATA INFILE 'customer.csv'
-- INTO TABLE customer FIELDS TERMINATED BY ','
-- (id, name, email)

-- Alternative: with an external table
CREATE TABLE ext_customer (id NUMBER, name VARCHAR2(100))
ORGANIZATION EXTERNAL (TYPE ORACLE_LOADER DEFAULT DIRECTORY dir_csv
  ACCESS PARAMETERS (FIELDS TERMINATED BY ',') LOCATION ('customer.csv'));

Самый распространённый инструмент — SQL*Loader (с управляющим файлом). Чтобы читать файл как запрос, используйте внешнюю таблицу. Для больших объёмов быстра прямая загрузка (DIRECT=TRUE).

PostgreSQL

-- Server side (file on the server; requires superuser/pg_read_server_files)
COPY customer (id, name, email) FROM '/data/customer.csv' WITH (FORMAT csv, HEADER true);

-- Client side (psql, file on the client)
\copy customer (id, name, email) FROM 'customer.csv' WITH (FORMAT csv, HEADER true)

COPY читает файл на сервере и требует привилегий; psql \copy читает файл клиента и не требует дополнительных привилегий. Это самый быстрый способ загрузить CSV.

MySQL

-- Server side
LOAD DATA INFILE '/data/customer.csv' INTO TABLE customer
FIELDS TERMINATED BY ',' ENCLOSED BY '"' LINES TERMINATED BY '\n' IGNORE 1 LINES;

-- From a client file
LOAD DATA LOCAL INFILE 'customer.csv' INTO TABLE customer
FIELDS TERMINATED BY ',' IGNORE 1 LINES;

LOAD DATA INFILE — самый быстрый способ массовой загрузки. LOCAL читает файл клиента и должен быть включён и на сервере (local_infile=ON), и на клиенте. secure_file_priv ограничивает путь на сервере.

SQL Server

-- T-SQL BULK INSERT
BULK INSERT customer FROM 'C:\data\customer.csv'
WITH (FORMAT='CSV', FIRSTROW=2, FIELDTERMINATOR=',', ROWTERMINATOR='0x0a');

-- bcp from the shell
bcp mydb.dbo.customer in customer.csv -c -t, -S server -T

BULK INSERT читает файл по пути, доступному учётной записи службы SQL Server. bcp — утилита командной строки; -c — символьный режим, -t — разделитель полей. Для максимальной скорости добивайтесь минимального журналирования с TABLOCK.

MongoDB

# Import CSV / JSON (from the shell)
mongoimport --db=shop --collection=customer --type=csv --headerline --file=customer.csv

# For a JSON array
mongoimport --db=shop --collection=customer --file=customer.json --jsonArray

mongoimport загружает CSV/TSV/JSON; --headerline считает первую строку именами полей. Для обновления существующих документов используйте --mode=upsert --upsertFields. Для больших данных ускоряет --numInsertionWorkers.

Redis

# Fastest: feed commands in protocol format and pipe them
cat commands.txt | redis-cli --pipe

# Example lines in commands.txt:
# SET customer:1 "Alice"
# SET customer:2 "Bob"

Для массовой загрузки используйте redis-cli --pipe (mass insert); он очень быстр, так как передаёт команды в формате протокола RESP через одно подключение. Как вариант, команды группируются через pipelining.

Elasticsearch

# _bulk API (NDJSON: an action line + a source line per document)
curl -s -H 'Content-Type: application/x-ndjson' -XPOST 'localhost:9200/customer/_bulk' --data-binary @data.ndjson

# Contents of data.ndjson:
# { "index": {} }
# { "id": 1, "name": "Alice" }
# { "index": {} }
# { "id": 2, "name": "Bob" }

API _bulk принимает NDJSON (строка действия + строка данных на документ; файл должен заканчиваться \n). Для CSV используйте Logstash, Filebeat или elasticdump. Отключение refresh_interval на время загрузки ускоряет её.