海量資料遷移之分割槽並行切分

在海量的資料遷移中，如果某個表特別大，可以考慮對錶中的分割槽進行切分，比如某個表有100g,還有100個分割槽，那麼可以考慮針對這100個分割槽，那麼可以考慮把這100個分割槽看成100個表進行並行抽取，如果某個分割槽資料比較多，可能生成5個dump，那麼著100個分割槽，就可能生成105個分割槽以上。
那麼如果有100多個表，那麼可能分割槽都算進來就可能有上千個。如何對這上千個dump進行最快的載入呢。
可以考慮基於分割槽的並行切分，裡面可能還涉及一些演算法的知識。

目前生成了如下的資料包告，我們需要基於這個報告來對如下的表/分割槽進行切分。
REEMENT這個表不是分割槽表，所以在分割槽資訊的地方填寫了預設值'x',在資料載入的時候會進行過濾。
MEMO這個表比較大，對於分割槽partition(P0_A1000_E3)，生成的dunp序號為21，22，23，總共有3個dump。在資料載入的時候就可以先載入21號dump，然後22號dump,23號dump

MEMO partition(P0_A1000_E3) 3 21..23
MEMO partition(P0_A1000_E2) 3 18..20
MEMO partition(P0_A1000_E1) 3 15..17
USR_GRP_MEMBERS x 2 1..3
REEMENT x 2 1..3
MEMO partition(PMAXVALUE_AMAXVALUE_EMAXVALUE) 1 699..700
MEMO partition(P9_A3000_E5) 2 697..698
MEMO partition(P9_A3000_E4) 2 695..696
MEMO partition(P9_A3000_E3) 2 693..694
MEMO partition(P9_A3000_E2) 2 691..692
MEMO partition(P9_A3000_E1) 2 689..690
MEMO partition(P9_A3000_E0) 2 687..688
MEMO partition(P9_A2000_E5) 2 685..686
MEMO partition(P9_A2000_E4) 2 683..684
MEMO partition(P9_A2000_E3) 2 681..682
MEMO partition(P9_A2000_E2) 2 679..680
MEMO partition(P9_A2000_E1) 2 677..678
MEMO partition(P9_A1000_E0) 2 657..658

我們現在就需要基於第三列的資訊，對錶、分割槽表進行切分。使得啟用的多個並行程式能夠最大程度的達到平衡。
我們可以使用如下的指令碼來進行表、分割槽的並行切分。
比如我們考慮啟用6個並行的程式，生成的日誌類似下面的形式。可以看到切分還是很均勻的。

move INVOICE partition(A11_B6)  to par6_
move INVOICE partition(A11_B4)  to par1_
move INVOICE partition(A11_B2)  to par2_
move INVOICE partition(A11_B10)  to par3_
move INVOICE partition(A10_B8)  to par4_
move INVOICE partition(A10_B6)  to par5_
move INVOICE partition(A10_B4)  to par6_
move INVOICE partition(A10_B2)  to par1_
move INVOICE partition(A10_B10)  to par2_
move RESOURCE partition(A9)  to par3_
move RESOURCE partition(A8)  to par4_
move RESOURCE partition(A7)  to par5_
move RESOURCE partition(A6)  to par6_
move RESOURCE partition(A5)  to par1_
move RESOURCE partition(A4)  to par2_
move RESOURCE partition(A3)  to par3_
move RESOURCE partition(A2)  to par4_
move RESOURCE partition(A1)  to par5_
move RESOURCE partition(A0)  to par6_
213
213
213
213
214
214

指令碼如下：

par_file_name=$1
sort -rn -k3 $par_file_name > ${par_file_name}_tmp
mv  ${par_file_name}_tmp  ${par_file_name}

par_no=$2
obj_length=`cat ${par_file_name}|wc -l `
echo $obj_length

for i in {1..$par_no}
do
sed -n ''$i'p' ${par_file_name}> par${i}_${par_file_name}
export par${i}_sum=`cat par${i}_${par_file_name}|awk '{print $3}' | awk '{sum+=$1}END{print sum}'`
#echo `eval echo }`
done

function getMin
{
param_no=$#

for i in {1..$param_no}
do
export par${i}_=`eval echo }}`
done

min_sum=$par1_
min_par=par1_

for i in {2..$param_no};
do
j=`expr $i - 1`
tmp_cur_par=par${i}_
tmp_cur_sum=`eval echo   \\${${tmp_cur_par}}`
if [ $min_sum -le $tmp_cur_sum  ]
then
 min_sum=$min_sum
 min_par=$min_par
else
 min_sum=$tmp_cur_sum
 min_par=$tmp_cur_par
fi
done

echo  $min_par
}

function getSumList
{
for k in {1..$par_no}
do
#export par${k}_sum=`cat par${k}_${par_file_name}|awk '{print $3}' | awk '{sum+=$1}END{print sum}'`
#echo `eval echo }`

#par_list="$par_list  `eval echo }`"
#echo $par_list

tmp_sum=`cat par${k}_${par_file_name}|awk '{print $3}' | awk '{sum+=$1}END{print sum}'`
echo $tmp_sum
#tmp_par_list=${tmp_par_list} "" $tmp_sum
done
#echo $tmp_par_list
}

j=`expr $par_no + 1`
for i in {$j..${obj_length}}
do
tmp_obj=`sed -n ''$i'p' ${par_file_name}`

par_list=`getSumList`
tmp_par=`getMin  $par_list`
echo 'move '`sed -n ''$i'p' ${par_file_name}|awk '{print $1 " " $2}'` ' to '$tmp_par
echo $tmp_obj >> ${tmp_par}${par_file_name}
tmp_par=0
done

for i in {1..$par_no}
do
cat par${i}_${par_file_name}|awk '{print $3}' | awk '{sum+=$1}END{print sum}'
done