如何使用 Multicast Task 将数据同时写入多个目标表

添加一个 OLE DB Destination 组件，并且配置 StagingAudit 表。

Column Mapping

保存 Package 并执行这个 Data Flow Task，在这里可以看到当从 Source 源抽取数据到 Staging 表的同时，通过 Multicast 并行的将数据流分向 Aggregate 组件进行了信息统计，并且保存到 StagingAudit 表中。

再来看看 StagingAudit 表中的记录。

至此，可以通过上面的几个小示例认识到 Multicast 的作用和特点。

总结

对于上面几个例子中提出的一些解决方案在性能上也有进一步的提升空间，特别是在数据量超过千万级以上应该要好好尝试一下不同的解决方案，哪一种方案在性能上会更好一些。

比如说，之前提到的有关表备份的问题，通过 Multicast 分支平行写入目标表。在我本机的测试过程中（8GB+2.5GHz）, 通过 Multicast 平行写入，500W的测试数据大概在30秒 - 50秒左右完成，千万级差不多在90秒内。当数据量超过千万级或者亿级的时候，也可以考虑使用分区表切换分区的方式来进行。

还有就是第三个示例中出现的 Aggregate 组件和 Sort 组件一样是一个 Blocked 组件，非同步组件，它需要将上游数据流全部加载完毕处理完了之后才开发它自身的数据流到下游组件。这样它所在的整个 Data Flow Task 将会一直被阻塞直到它全部处理完成之后才会走向下一个 Data Flow Task。 所以，也可以考虑当 Staging 数据写完之后再来基于 Staging 数据来记录一些统计信息。

关于在上面提到的有关解决方案，需求不同，项目背景不同可能在解决方案的选择上会有一些差别。在性能方面出现的问题，可能与表本身结构，索引相关，与数据源网络传输，与开发环境的配置高低多少，数据量大小都有关系，但是不同解决方案性能上的临界点，高低之分是需要在这些特定环境下不断尝试，优化才能真正选择一个最优的解决方案。

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!