Detailed explanation of ORACLE expdp/impdp

一、ORACLE数据泵

ORCALE10G提供了新的导入导出工具,数据泵.

Oracle官方对此的形容是：

Oracle DataPump technology enables Very High-Speed movement of data and metadata from one database to another.

其中Very High-Speed是亮点.

先说数据泵提供的主要特性（包括,但不限于）：

• 支持并行处理导入、导出任务;
• 支持暂停和重启动导入、导出任务;
• 支持通过Database Link的方式导出或导入远端数据库中的对象;
• 支持在导入时通过Remap_schema、Remap_datafile、Remap_tablespace几个参数实现导入过程中自动修改对象属主、
  数据文件或数据所在表空间;
• 导入/导出时提供了非常细粒度的对象控制.通过Include、Exclude两个参数,甚至可以详细制定是否包含或不包含某个对象.

二、什么是Directory对象

Directory对象是Oracle10g版本提供的一个新功能.他是一个指向,指向了操作系统中的一个路径.每个Directory都包含 Read,Write两个权限,可以通过Grant命令授权给指定的用户或角色.拥有读写权限的用户就可以读写该Directory对象指定的操作系统路径下的文件.

• 除了使用network_link参数意外,expdp生成的文件都是在服务器上(Directory指定的位置)

2.1 如何调用

• 命令行方式
  最简单的调用,但是写的参数有限,建议使用参数文件的方式.
• 参数文件方式
  最常用的方式.通常需要先编写一个参数文件.指定导出时需要的各种参数.然后以如下方式调用.

expdp user/pwd parfile=xxx.par

这个xxx.par即是编辑的参数文件.注意,在这个命令行后面,同样可以再跟别的参数, 甚至是在par参数文件中指定过的参数.

如果执行命令中附加的参数与参数文件中的参数有重复,最终采用哪个参数,会以参数最后出现的位置而定.如：expdp user/pwd parfile=xxx.par logfile=a.log,如果在参数文件中也指定了logfile,这里会以命令行中的logfile为准;如：expdp user/pwd logfile=a.log parfile=xxx.par,而这个,则会以参数文件中的为准,因为parfile=xxx.par写在命令行的后面.

• 交互方式
  Data Pump导入导出任务支持停止,重启等状态操作.如用户执行导入或者导出任务,执行了一半时,使用Crtl+C中断了任务（或其他原因导致的中断）,此时任务并不是被取消,而是被转移到后台.可以再次使用expdp/impdp命令,附加attach参数的方式重新连接到中断的任务中,并选择后续的操作. 这就是交互方式.

2.2 什么是attach参数

每执行一个导入,或者导出,在命令的第一行,会有以下信息：

Starting “BAM”.”SYS_EXPORT_SCHEMA_01″:bam/******** parfile=expdp_tbs.par

这个SYS_EXPORT_SCHEMA_01就是我们的attach参数.

三、操作模式

• 全库模式
  导入或者导出整个数据库,对应impdp/expdp命令中的full参数,只有拥有dba或者 exp_full_database和imp_full_database权限的用户才能执行.
• Schema模式
  导出或导入Schema下的自有对象,对应impdp/expdp命令中的Schema参数,这是默认的操作模式. 如果拥有dba或者 exp_full_database和imp_full_database权限的用户执行的话,就可以导出或导入多个Schema中的对象.
• 表模式
  导出指定的表或者表分区（如果有分区的话）以及依赖该表的对象（如该表的索引,约束等,不过前提是这些对象在同一个 Schema中,或者执行的用户有相应的权限）.对应impdp/expdp命令中的Table参数.
• 表空间模式
  导出指定的表空间中的内容.对应impdp/expdp中的Tablespaces参数,这种模式类似于表模式和 Schema模式的补充.
• 传输表空间模式
  对应impdp/expdp中的Transport_tablespaces参数.这种模式与前面几种模式最显著的区别是生成的Dump文件中并不包含具体的逻辑数据,而只导出相关对象的元数据(即对象的定义,可以理解成表的创建语句),逻辑数据仍然在表空间的数据文件中,导出时需要将元数据和数据文件同时复制到目标端服务器.这种导出方式效率很高,时间开销主要是花在复制数据文件产生的I/O上.expdp执行传输表空间模式的导出,用户必须 拥有 exp_full_database角色或者DBA角色.而通过传输表空间模式导入时,用户必须拥有imp_full_database角色或者DBA角 色.
• 过滤数据
  过滤数据主要依赖于Query和Sample两个参数.其中Sample参数主要针对expdp导出功能.
• Query
  与exp命令中的Query功能类似,不过Expdp中,该参数功能得到了增强,控制的粒度更细.Expdp中的Query也是指定类似where语句来限定记录.语法如下：

Query = [Schema.][Table_name:] Query_clause

默认情况如果不指定Schema.table_name,则Query_clause针对所有导出的表有效,或者你可以为每一个表指定不同的Query_clause,如：导出a表中所有id<5的记录,导出b表中所有name=’a’的记录,则Query的参数应该如下：

Query=A:”Where id<5″,B:”Where name=’a’”

如果Where条件前没有指定Schema名或者表名的话,默认就是针对当前所有要被导出的表.如：Query=Where id <5

注️: 建议把Query参数放入到参数文件中使用,以避免转义符带来的麻烦.

• Sample
  该参数用来指定导出数据的百分比,可指定的值的范围从0.000001到99.999999,语法如下：

Sample=[[Schema_name.]Table_name:]sample_percent

指定该参数以后,EXPDP导出将自动控制导出的记录量,如导出A表中50%的记录,设置的Sample参数如下：
Sample=A:50
注: Sample_percent指定的值只是一个参考值,EXPDP会根据数据量算出一个近似值.

四、过滤对象

过滤对象主要依赖于Include和Exclude两个参数.这两个参数作用正好相反,在这两个参数中,可以指定你知道的任何对象类型（如：Package、Procedure、Table等等）或者对象名称（支持通配符）.

• Exclude 反规则

指定不被包含的对象类型或者对象名称.指定了该参数以后,指定的对象类型对应的所有对象都不会被导入或导出. 如果被排除的对象有依赖的对象,那么其依赖的对象也不会被导入或导出.如：通过Exclude参数指定不导出表对象的话,不仅指定的表不会被导出,连这些表关联的Index、Check等都不会被导出.
注: 建议把Exclude参数放入到参数文件中使用,以避免转义符带来的麻烦.

• Include 正规则

与Exclude正好相反.指定包含的对象类型或者对象名称.

注️: 由于两个参数功能正好相反,因此在执行导入或导出命令时,两个参数不能同时使用,否则Oracle也不知道你想要干什么.

exclude/include参数用法：

EXCLUDE=[object_type]:[name_clause],[object_type]:[name_clause] --排出特定对象INCLUDE=[object_type]:[name_clause],[object_type]:[name_clause]  --包含特定对象

object_type子句用于指定对象的类型,如table,sequence,view,procedure,package等等

name_clause子句可以为SQL表达式用于过滤特定的对象名字.它由SQL操作符以及对象名(可使用通配符)来过滤指定对象类型中的特定对象.

当未指定name_clause,而仅仅指定object_type则所有该类型的对象都将被过滤或筛选.多个[object_type]:[name_clause]中间以逗号分割.
示例：

expdp <other_parameters> SCHEMAS=scott EXCLUDE=SEQUENCE,TABLE:"IN ('EMP','DEPT')"impdp <other_parameters> SCHEMAS=scott INCLUDE=PACKAGE,FUNCTION,PROCEDURE,TABLE:"='EMP'"

常用的过滤SQL表达式

EXCLUDE=SEQUENCE,VIEW                          --过滤所有的SEQUENCE,VIEWEXCLUDE=TABLE:"IN ('EMP','DEPT')"               --过滤表对象EMP,DEPTEXCLUDE=SEQUENCE,VIEW,TABLE:"IN ('EMP','DEPT')" --过滤所有的SEQUENCE,VIEW以及表对象EMP,DEPTEXCLUDE=INDEX:"= 'INDX_NAME'"                   --过滤指定的索引对象INDX_NAMEINCLUDE=PROCEDURE:"LIKE 'PROC_U%'"              --包含以PROC_U开头的所有存储过程(_ 符号代表任意单个字符)INCLUDE=TABLE:"> 'E' "                          --包含大于字符E的所有表对象`

直接将过滤操作符封装到参数文件中,如下面的例子

Parameter file:exp_scott.parDIRECTORY = dump_scottDUMPFILE = exp_scott_%U.dmpLOGFILE = exp_scott.logSCHEMAS = scottPARALLEL= 2EXCLUDE = TABLE:"IN ('EMP', 'DEPT')" 

命令行下转义符的处理
Windows平台:

D:\> expdp system/manager DIRECTORY=my_dir DUMPFILE=exp_tab.dmp LOGFILE=exp_tab.log SCHEMAS=scottINCLUDE=TABLE:\"IN ('EMP', 'DEPT')\"

在Windows平台下,需要对象双引号进行转义,使用转义符\

Unix平台:
在未使用parfile文件的情形下,所有的符号都需要进行转义,包括括号,双引号,单引号等

expdp system/manager DIRECTORY=my_dir DUMPFILE=exp_tab.dmp LOGFILE=exp_tab.log SCHEMAS=scottINCLUDE=TABLE:\"IN \(\'EMP\', \'DEP\'\)\"

exclude/include常见的错误
任意需要转义的字符如果未转义或转义错误,都会产生ORA错误.下面给出几种常见的ORA错误.

• ORA-39001: invalid argument value
• ORA-39071: Value for INCLUDE is badly formed.
• ORA-00936: missing expression
• ORA-39071: Value for EXCLUDE is badly formed.
• ORA-00904: “DEPT”: invalid identifier
• ORA-39041: Filter “INCLUDE” either identifies all object types or no object types.
• ORA-39041: Filter “EXCLUDE” either identifies all object types or no object types
• ORA-39038: Object path “USER” is not supported for TABLE jobs.

五、高级过滤

在导出/导入的时候,我们常常有这样的需求,只想导出/导入表结构,或者只想导出/导入数据.幸运的是数据泵也提供了该功能.使用 Content参数.该参数有三个属性

• ALL : 导出/导入对象定义和数据,该参数的默认值就是ALL
• DATA_ONLY : 只导出/导入数据.
• METADATA_ONLY : 只导出/导入对象定义.

注: 有一点值得注意的是,在执行导出的时候,如果使用了高级过滤,如只导出了数据,那么导入时,需要确保数据定义已经存在.否则数据都变成没有主子了.如果数据定义已经存在,导入时最好指定data_only,否则会触发ORA-39151错误,因为对象已经存在了.

5.1 过滤已经存在的数据

我们知道,导入的表对象在目标库中已经存在,并且目标端没有创建数据完整性约束条件(RI)来检验数据的话,就有可能造成数据被重复导入.数据泵提供了一个新的参数Table_exists_action,可以一定程度上降低重复数据的产生.该参数用来控制如果要导入的表对象存在,执行什么操作.有以下几个参数值：

• SKIP : 跳过该表,继续处理下一个对象.该参数默认就是SKIP.值得注意的是,如果你同时指定了CONTENT参数为Data_only的话,SKIP参数无效,默认为APPEND.
• APPEND : 向现有的表中添加数据.
• TRUNCATE : TRUNCATE当前表,然后再添加记录.使用这个参数需要谨慎,除非确认当前表中的数据确实无用.否则可能造成数据丢失.
• REPLACE : 删除并重建表对象,然后再向其中添加数据.值得注意的是,如果同时指定了CONTENT参数为Data_only的话,REPLACE参数无效.

5.2 重定义表的Schema或表空间

我们还可能会遇到这样的需求,把A用户的对象转移到B用户,或者更换数据的表空间.数据泵通过Remap_Schema和Remap_tablespace参数实现了该功能.

• REMAP_SCHEMA : 重定义对象所属Schema
  该参数的作用类似IMP中的Fromuser+Touser,支持多个Schema的转换,语法如下：

REMAP_SCHEMA=Source_schema:Target_schema[,Source_schema:Target_schema]

如把A的对象转换到b用户,将C转换到D用户.Remap_schema=a:b,c:d

注️: 不能在同一个IMPDP命令中指定remap_schema=a:b,a:c.

• REMAP_TABLESPACE : 重定义对象所在的表空间.
  该参数用来重映射导入对象存储的表空间,支持同时对多个表空间进行转换,相互间用逗号分割.语法如下：

REMAP_TABLESPACE=Source_tablespace:Target_tablespace[,Source_tablespace:Target_tablespace]

注️: 如果使用Remap_tablespace参数,则要保证导入的用户对目标表空间有读写权限.

5.3 优化导入/导出效率

对于大数据量来说,我们不得不考虑效率问题.数据泵对效率也提出了更高的要求.甚至官方的描述就是

Oracle Data Pump technology enables Very High-Speed movement of data and metadata from one database to another.

这里的Very High-Speed依赖我们的parallel参数.

所有的优化操作都会有三种结果：变得更好、没有变化、变得更差.Parallel参数也是这样,并不是指定一个大于1的参数,性能就会有提升.

• 对于导出的parallel

对于导出来说,由于dump文件只能由一个线程进行操作（包括I/O处理）,因此如果输出的DUMP文件只有一个,即使你指定再多的并行,实际工作仍然是一个,而且还会触发ORA-39095错误.因此,建议设置该参数小于或等于生成的DUMP文件数量.那么,如何控制生成的DUMP文件数量呢？

EXPDP命令提供了一个FILESIZE参数,用来指定单个DUMP文件的最大容量,要有效的利用parallel参数,filesize参数必不可少.

举例：某用户对象占用了4G左右的空间,实际导出后的DUMP文件约为3G,我们尝试在导出该用户时指定并行度为4,设置单个文件不超过500M,则语法如 下：

expdp user/pwd directory=dump_file dumpfile=expdp_20100820_%U.dmp logfile=expdp_20100820.log filesize=500M parallel=4

• 对于导入的parallel

对于导入来说,使用parallel参数则要简单的多,导入更能体现parallel参数的优势. 参数设置为几,则认为同时将几张表的内容导入到库中.

举例：某dmp文件中包含了200张表,我们尝试在导入该DMP文件时指定并行度为10,则 语法如下：

impdp user/pwd directory=dump_file dumpfile=expdp_20100820_%U.dmp logfile=impdp_20100820.log parallel=10