SSIS體系結(jié)構(gòu)控制流和數(shù)據(jù)流技術(shù)對比分析

在SSIS的體系結(jié)構(gòu)中，Package是SSIS的最重要的部分，從本質(zhì)上來講，Package是一個有序地執(zhí)行任務(wù)的單元。Package的核心是控制流（Control Flow），用于協(xié)調(diào)包中所有組件的執(zhí)行順序。數(shù)據(jù)流（Data Flow）是控制流中的核心組件，用于把數(shù)據(jù)提取到服務(wù)器內(nèi)存中，轉(zhuǎn)換數(shù)據(jù)并把數(shù)據(jù)寫入到目標(biāo)結(jié)構(gòu)中。

一，控制流

控制流用于協(xié)調(diào)包中所有組件的執(zhí)行順序，這些組件由Task和容器構(gòu)成，并且受到優(yōu)先約束的控制。

控制流由三大組件構(gòu)成，分別是Task，容器和優(yōu)先約束。

容器用于把Task集合到一起，除了視覺上的分組外，容器還允許用戶定義作用域在容器范圍內(nèi)的變量和事件處理程序。

Task是一個獨立的工作單元，為包提供了實現(xiàn)特定功能的接口。

優(yōu)先約束不僅把Task連接到一起，而且指定Task執(zhí)行的順序。

Task按照優(yōu)先約束（Precedence Constraint）規(guī)定的順序執(zhí)行下去。在一個Task工作之前，Package必須完成其前面Task，不管前面的Task執(zhí)行的結(jié)果是成功、失敗或者完成。

1，優(yōu)先約束

優(yōu)先約束是把Task連接到一起的連接器，而且定義了Task的執(zhí)行順序。優(yōu)先約束定義了Task的執(zhí)行路徑和條件，只有滿足優(yōu)先約束的條件時，才能按照連接路徑繼續(xù)執(zhí)行下一個Task。例如，在下圖所示的控制流中，優(yōu)先約束把Execute SQL Task和 Data Flow Task連接到一起，并且規(guī)定只有Execute SQL Task都執(zhí)行完成之后，才會執(zhí)行Data Flow Task。

為兩個Task創(chuàng)建優(yōu)先約束，必須設(shè)置約束值或表達式，當(dāng)約束值或表達式為True時，滿足約束條件。

優(yōu)先約束的求值運算（Evaluation operation）有四種：

約束（Constraint），根據(jù)約束的結(jié)果來確定約束的狀態(tài)

表達式（Expression），根據(jù)表達式的結(jié)果來確定約束的狀態(tài)

表達式和約束（Expression and Constraint），根據(jù)表達式和約束結(jié)果的組合來確定約束的狀態(tài)

表達式或約束（Expression or Constraint），根據(jù)表達式或約束的結(jié)果之一來確定約束的狀態(tài)

根據(jù)約束選項的不同，約束值有Value和表達式兩種類型：

當(dāng)求值選項為約束時，約束值有：成功（Success）、失?。‵ailure）和完成（Completion）；

當(dāng)求值選項為表達式時，需要用戶編寫表達式；

約束值共有三種有效值，他們的含義是：

成功約束：表示只有在前置任務(wù)或容器成功時，才會執(zhí)行當(dāng)前的任務(wù)；

失敗約束：表示只有在前置任務(wù)或容器失敗時，才會執(zhí)行當(dāng)前的任務(wù)；

完成約束：表示只有在前置任務(wù)或容器完成（不管失敗或成功）時，才會指定當(dāng)前的任務(wù)

當(dāng)一個Task上創(chuàng)建了多個約束時，必須設(shè)置多個約束的邏輯組合。當(dāng)設(shè)置為邏輯與時，多個優(yōu)先約束同時為True，才滿足優(yōu)先約束的條件；當(dāng)設(shè)置為邏輯或時，只要有一個約束為True，就滿足優(yōu)先約束的條件。多重約束使當(dāng)前Task在前置任務(wù)都成功（邏輯與）的情況下，或者任意一個前置任務(wù)成功（邏輯或）的情況下執(zhí)行。

2，優(yōu)先約束控制Task的并發(fā)

控制流不能在Task組件之間傳遞數(shù)據(jù)，它擔(dān)當(dāng)Task的調(diào)度者，用于串行或并行執(zhí)行任務(wù)。如果兩個Task之間沒有設(shè)置優(yōu)先約束，那么這兩個Task是并發(fā)執(zhí)行的。在設(shè)計Package時，應(yīng)該最大限度地提高Task組件的并發(fā)處理能力，這樣能夠充分利用服務(wù)器的系統(tǒng)資源，有助于減少ETL執(zhí)行的時間。

3，Task組件通過優(yōu)先約束保持同步

在Task組件之間設(shè)置優(yōu)先約束，只有在上游Task執(zhí)行完成之后，才會執(zhí)行下游Task；在上游Task執(zhí)行完成之前，下游Task不會執(zhí)行。因此，Task是同步的。

Task的同步表現(xiàn)在兩個方面：

Task之間：一個Task在將操作移交之前必須完成（成功，失敗或完成），一個Task要想運行，其所有上游Task必須全部完成，否則不會執(zhí)行。Task的執(zhí)行順序由優(yōu)先約束定義。

單個Task：Task在執(zhí)行完成之前，不會釋放SSIS的執(zhí)行線程，即執(zhí)行SSIS Task對服務(wù)器的線程資源是獨占的，直至Task 完成，否則不會釋放線程資源。

二，數(shù)據(jù)流

數(shù)據(jù)流（Data Flow）是控制流中的核心組件，用于把數(shù)據(jù)提取到服務(wù)器內(nèi)存中，轉(zhuǎn)換數(shù)據(jù)并把數(shù)據(jù)寫入到目標(biāo)結(jié)構(gòu)中。由于數(shù)據(jù)流任務(wù)把數(shù)據(jù)加載到服務(wù)器內(nèi)存中進行轉(zhuǎn)換，因此，SSIS屬于內(nèi)存中的ETL工具，這使得SSIS可以高效地執(zhí)行數(shù)據(jù)的轉(zhuǎn)換操作。數(shù)據(jù)流的核心功能是把數(shù)據(jù)提取到服務(wù)器的內(nèi)存中，轉(zhuǎn)換數(shù)據(jù)之后，把數(shù)據(jù)寫入到另一個目的中。數(shù)據(jù)從源移動到目的，使用的是內(nèi)存管道（Pipeline）。當(dāng)數(shù)據(jù)在管道中時，你可以使用轉(zhuǎn)換組件對這些數(shù)據(jù)進行清洗和處理。

數(shù)據(jù)流具有流的特性，數(shù)據(jù)的提取，轉(zhuǎn)換和加載是同時進行的。SSIS引擎以流的形式對數(shù)據(jù)進行并發(fā)處理，這意味著數(shù)據(jù)不是一次性全部加載，而是劃分為不重復(fù)的多個部分，組成一個流，源源不斷地從上游組件流向下游組件。在數(shù)據(jù)流動的過程中，數(shù)據(jù)流的所有轉(zhuǎn)換組件同時對數(shù)據(jù)流進行處理。上游組件處理完一批數(shù)據(jù)之后，交接給下游組件繼續(xù)處理，同時，上游組件繼續(xù)處理下一批數(shù)據(jù)。數(shù)據(jù)在組件之間流動，各個組件同時處理數(shù)據(jù)的不同部分，直到全部數(shù)據(jù)處理完成。

數(shù)據(jù)流具有反饋和自動調(diào)節(jié)的功能，如果下游組件的處理速度存在壓力，那么SSIS將會向上游組件施加反向壓力，SSIS引擎感受到壓力，將啟動自動調(diào)節(jié)機制，使上游組件的數(shù)據(jù)流動速度減緩，從而達到動態(tài)平衡。

數(shù)據(jù)流任務(wù)由四部分組成：源，轉(zhuǎn)換、目的和路徑，分別用于把數(shù)據(jù)加載到內(nèi)存中，對內(nèi)存中的數(shù)據(jù)進行轉(zhuǎn)換，并內(nèi)存中的數(shù)據(jù)轉(zhuǎn)移到目標(biāo)中，數(shù)據(jù)按照路徑來“移動”：

源：用于指定外部數(shù)據(jù)源位置，把外部數(shù)據(jù)加載到內(nèi)存中，向下游組件輸出數(shù)據(jù)。

轉(zhuǎn)換：轉(zhuǎn)換是在內(nèi)存中完成的，用于對管道中的數(shù)據(jù)進行更改，影響內(nèi)存數(shù)據(jù)管道內(nèi)的數(shù)據(jù)，是數(shù)據(jù)流的核心功能。

目的：在數(shù)據(jù)管道的終點，數(shù)據(jù)離開數(shù)據(jù)管道，把數(shù)據(jù)輸出到外部存儲。

路徑：數(shù)據(jù)流組件之間的連線叫做路徑，數(shù)據(jù)按照路徑來轉(zhuǎn)移，可以視為數(shù)據(jù)走的路線。

外部數(shù)據(jù)源是數(shù)據(jù)管道的源泉，通常表示為連接（Connection），SSIS通過連接去訪問外部數(shù)據(jù)源，連接管理器用于設(shè)置連接的屬性，主要是用于用于集中設(shè)置訪問數(shù)據(jù)源的連接字符串，該連接管理器可以被多個組件共享，也可以被多個Package共享。

1，數(shù)據(jù)流的緩沖區(qū)

數(shù)據(jù)管道是數(shù)據(jù)流通的管道線，數(shù)據(jù)流使用內(nèi)存暫時存儲數(shù)據(jù)流中的數(shù)據(jù)，這意味著，把數(shù)據(jù)從外部源提取到SSIS引擎時，數(shù)據(jù)會存儲在預(yù)先分配好的內(nèi)存緩沖區(qū)中，可以根據(jù)數(shù)據(jù)行的寬度（一個row中所有column的字節(jié)數(shù)），設(shè)置DefaultBufferMaxRows屬性調(diào)整緩存區(qū)可以容納的最大數(shù)據(jù)行數(shù)量，或直接設(shè)置DefaultBufferSize屬性來調(diào)整緩沖區(qū)的大小。

數(shù)據(jù)流的緩沖區(qū)可以理解為一個二維表，每行有固定的長度，每一列的位置都是固定的。SSIS 引擎根據(jù)服務(wù)器的資源和壓力，預(yù)先分配一組緩沖區(qū)，每一個緩沖區(qū)存儲完整數(shù)據(jù)集的一個不重復(fù)子集。當(dāng)對數(shù)據(jù)流進行轉(zhuǎn)換處理時，SSIS 引擎后臺使用一種更為有效的方式：對同一個緩沖區(qū)，逐個應(yīng)用轉(zhuǎn)換組件，這比把轉(zhuǎn)換后的數(shù)據(jù)復(fù)制到另一個緩沖區(qū)，然后應(yīng)用下一個轉(zhuǎn)換組件更為有效。不過，有些情況下，SSIS引擎需要復(fù)制緩沖區(qū)，甚至需要攔截數(shù)據(jù)流，然后對整個數(shù)據(jù)集進行轉(zhuǎn)換處理，例如，聚合和排序。

SSIS 引擎處理數(shù)據(jù)最理想的情況是：所有的轉(zhuǎn)換施加在同一個緩沖區(qū)中，就地執(zhí)行轉(zhuǎn)換處理數(shù)據(jù)。但是，現(xiàn)實情況不總是理想的，有些轉(zhuǎn)換組件需要復(fù)制緩沖區(qū)，才能向下游傳遞數(shù)據(jù)。

數(shù)據(jù)流通過轉(zhuǎn)換組件時，SSIS 引擎是否需要復(fù)制緩沖區(qū)，跟轉(zhuǎn)換的阻塞特性和通信機制有關(guān)。

2，轉(zhuǎn)換的阻塞特性：非阻塞（流），半阻塞和阻塞

非阻塞：立即把數(shù)據(jù)從管道中傳遞到下游的轉(zhuǎn)換

半阻塞：把數(shù)據(jù)增加到一定數(shù)量后再傳遞到下游的轉(zhuǎn)換

阻塞：在接收全部數(shù)據(jù)之后，再傳遞到下游的轉(zhuǎn)換

大多數(shù)轉(zhuǎn)換都是流式的，這意味著在轉(zhuǎn)換應(yīng)用到某一行時，不會阻止數(shù)據(jù)移動到下一個轉(zhuǎn)換。排序轉(zhuǎn)換和聚合轉(zhuǎn)換是阻塞的，這意味著每種轉(zhuǎn)換在向一個轉(zhuǎn)換傳遞數(shù)據(jù)之前，需要使用完整的數(shù)據(jù)集，在轉(zhuǎn)換結(jié)束之前，不會向下游組件釋放任何數(shù)據(jù)。通過在數(shù)據(jù)流鎮(zhèn)南關(guān)使用一個阻塞轉(zhuǎn)換組件，數(shù)據(jù)流將被攔截，所有行都將停留在阻塞轉(zhuǎn)換組件中，直到最后一行流進轉(zhuǎn)換組件。

阻塞轉(zhuǎn)換是非常低效的和資源消耗大的，因為所有數(shù)據(jù)都被攔截，所以server必須使用大量的內(nèi)存來存儲數(shù)據(jù)，或者如果Server沒有足夠的內(nèi)存，那么Server會將部分?jǐn)?shù)據(jù)暫存在磁盤上，從而導(dǎo)致IO開銷；因為要對大量的數(shù)據(jù)進行排序，聚合等操作，需要消耗大量的CPU資源和內(nèi)存資源。

3，轉(zhuǎn)換組件的通信機制

轉(zhuǎn)換組件的通信是指轉(zhuǎn)換組件把數(shù)據(jù)傳遞給下一個轉(zhuǎn)換組件，如果輸入所使用的緩沖區(qū)和輸出所使用的緩沖區(qū)不一樣，那么轉(zhuǎn)換的輸出就是異步的，換句話說，異步轉(zhuǎn)換組件不能夠既執(zhí)行指定操作又維護緩存區(qū)（行數(shù)或者行的順序），所以必須復(fù)制數(shù)據(jù)，以實現(xiàn)所期望的結(jié)果。異步轉(zhuǎn)換組件接收上游組件的輸出緩沖區(qū)，然后創(chuàng)建新的緩沖區(qū)，輸出到下一個組件。

如果輸入所使用的緩沖區(qū)和輸出所使用的緩沖區(qū)相同，那么轉(zhuǎn)換的輸出是同步的，同步轉(zhuǎn)換組件不會創(chuàng)建新的緩沖區(qū)，而是復(fù)用緩沖區(qū)。

緩沖區(qū)的生命周期，是從創(chuàng)建緩沖區(qū)開始，到異步轉(zhuǎn)換組件截止。由于異步轉(zhuǎn)換組件需要創(chuàng)建額外的緩沖區(qū)，消耗Server的內(nèi)存資源，降低Server處理數(shù)據(jù)的性能，因此理想的Package Design是一個Data Flow 只使用一個緩沖區(qū)完成所有的轉(zhuǎn)換處理操作，所有的轉(zhuǎn)換都是同步輸出的。在實際的工作中，我們可以盡量不適用異步轉(zhuǎn)換組件，或是減少緩沖區(qū)創(chuàng)建的數(shù)量，盡量延長緩沖區(qū)的生命周期。

4，識別轉(zhuǎn)換的同步輸出和異步輸出

數(shù)據(jù)流的緩沖區(qū)可以看作是一個二維表，每行有固定的長度，每列的位置都是固定的，因此一列在同一個緩沖區(qū)中的標(biāo)識符是相同的。如果該列復(fù)制到新的緩沖區(qū)中，那么，該列的標(biāo)識符發(fā)生變化。SSIS Engine使用LineageID屬性來標(biāo)識緩沖區(qū)中的每一列。

在轉(zhuǎn)換組件的高級編輯器中，每列都有一個LineageID屬性，這是一個指向緩沖區(qū)的指針，標(biāo)識該列在緩沖區(qū)中的位置。

如果轉(zhuǎn)換輸出是同步的，那么同一列的LineageID屬性在轉(zhuǎn)換的輸出和輸入中是相同的，如果轉(zhuǎn)換輸出是異步的，那么同一列的LineageID屬性在轉(zhuǎn)換的輸出和輸入中是不同的。

例如，Column1 的初始LineageID值是193，如果轉(zhuǎn)換輸出是同步的，在轉(zhuǎn)換的Input和Output中，可以看到Column1的LineageID是193.

5，數(shù)據(jù)流緩沖區(qū)的申請和釋放

數(shù)據(jù)源組件會創(chuàng)建新的緩沖區(qū)，并為相應(yīng)的數(shù)據(jù)列分配LineageID值。

當(dāng)緩沖區(qū)數(shù)據(jù)被加載到數(shù)據(jù)目的組件之后，數(shù)據(jù)目的組件會釋放緩沖區(qū)。

異步轉(zhuǎn)換組件會終止輸入緩沖區(qū)，新建輸出緩沖區(qū)。

同步轉(zhuǎn)換組件復(fù)用輸入緩沖區(qū)，并作為輸出緩沖區(qū)，傳遞給下一個轉(zhuǎn)換組件。

三，異步轉(zhuǎn)換示例

異步轉(zhuǎn)換輸出是指：轉(zhuǎn)換的輸入緩沖區(qū)和輸出緩沖區(qū)不同，對于只包含OLE DB Source和Sort轉(zhuǎn)換的數(shù)據(jù)流任務(wù)，在Sort轉(zhuǎn)換中，輸出列有LineageID屬性，當(dāng)數(shù)據(jù)列第一次被存儲到數(shù)據(jù)流中，SSIS引擎確定該列的LineageID，用于標(biāo)識數(shù)據(jù)流的緩存區(qū)的位置。

1，數(shù)據(jù)源組件

數(shù)據(jù)源組件含有外部列和輸出列，外部列直接來源于外部數(shù)據(jù)源，輸出列是數(shù)據(jù)源向下游輸出的數(shù)據(jù)。數(shù)據(jù)源組件創(chuàng)建緩沖區(qū)，將外部數(shù)據(jù)加載到緩沖區(qū)中，并為緩存區(qū)分配LineageID，這個緩沖區(qū)就是數(shù)據(jù)源組件的輸出。

2，Sort 組件

Sort組件接收數(shù)據(jù)源組件的輸出數(shù)據(jù)，對于Sort組件的輸入（Sort Input），ID 列的LineageID是197，這跟數(shù)據(jù)源的輸出的ID列的LineageID屬性相同，這說明，Sort 轉(zhuǎn)換直接使用數(shù)據(jù)源的輸出作為Sort轉(zhuǎn)換的輸入。

Sort 轉(zhuǎn)換的輸出（Sort Output），ID列的LineageID屬性值是 288，之所以存在不同的LineageID值，是因為Sort轉(zhuǎn)換的輸出是異步的，輸入緩沖區(qū)和輸出緩沖區(qū)不同，因此，Sort轉(zhuǎn)換的輸出需要一個新的列標(biāo)識符。

SortColumnID屬性用于指定跟輸出列相關(guān)的輸入列的LineageID，輸出列ID的SortColumnID屬性值是197，是輸入列的LineageID。

所有具有半阻塞性和阻塞性的轉(zhuǎn)換都是異步輸出的，這些轉(zhuǎn)換不會直接向下游傳遞輸入緩沖區(qū)，因為需要攔截數(shù)據(jù)以進行處理和重組。

四，同步轉(zhuǎn)換示例

條件分離轉(zhuǎn)換（Conditional Split）是非阻塞組件，在數(shù)據(jù)流任務(wù)中，使用條件分離組件，把數(shù)據(jù)源組件的輸出按照特定的條件分開流向不同的目的。

1，Conditional Split組件

打開Conditional Split的編輯器，選中Case1，查看屬性SynchronousInPutID和IdentificationString：

IdentificationString：用于指定組件的數(shù)據(jù)流，其值具有特定格式的字符串，例如：?Conditional Split.Inputs[conditional Split input]，

SynchronousInPutID：用于指定跟組件的輸出相關(guān)的行的輸入ID，其值是輸入的IdentificationString。

如果組件的屬性SynchronousInPutID為None，說明組件會創(chuàng)建新的輸出流，轉(zhuǎn)換輸出是異步的，如果組件的屬性SynchronousInPutID 是一個IdentificationString，說明組件的輸出和輸入使用相同的緩沖區(qū)。

選中 Conditional Split的輸入，查看屬性IdentificationString的值，和組件的輸出Case1的SynchronousInPutID屬性值相同。

2，驗證LineageID值

查看Sort組件的Input Columns，ID列的LineageID是 197，和數(shù)據(jù)源組件的輸出，Conditional Split的輸入都相同，說明Conditional Split沒有創(chuàng)建新的數(shù)據(jù)緩沖區(qū)，而是直接使用數(shù)據(jù)源創(chuàng)建的緩沖區(qū)進行轉(zhuǎn)換。

結(jié)論：在同步轉(zhuǎn)換輸出中，當(dāng)完成了轉(zhuǎn)換邏輯之后，會立即將緩沖區(qū)傳遞到下游的轉(zhuǎn)換，即轉(zhuǎn)換輸入和轉(zhuǎn)換輸出使用相同的緩沖區(qū)，避免復(fù)制緩沖區(qū)到輸出，因此相同列的LineageID是相同的。

用戶可以通過高級編輯器識別同步轉(zhuǎn)換組件和異步轉(zhuǎn)換組件，查看輸出的SynchronousInPutID屬性，如果SynchronousInPutID屬性值為None，那么該組件輸出是異步的，如果該值不是None，而是IdentificationString 格式的字符串，那么該轉(zhuǎn)換是同步的。
編輯：hfy