SSIS体系结构控制流和数据流技术对比分析

在SSIS的体系结构中，Package是SSIS的最重要的部分，从本质上来讲，Package是一个有序地执行任务的单元。Package的核心是控制流（Control Flow），用于协调包中所有组件的执行顺序。数据流（Data Flow）是控制流中的核心组件，用于把数据提取到服务器内存中，转换数据并把数据写入到目标结构中。

一，控制流

控制流用于协调包中所有组件的执行顺序，这些组件由Task和容器构成，并且受到优先约束的控制。

控制流由三大组件构成，分别是Task，容器和优先约束。

容器用于把Task集合到一起，除了视觉上的分组外，容器还允许用户定义作用域在容器范围内的变量和事件处理程序。

Task是一个独立的工作单元，为包提供了实现特定功能的接口。

优先约束不仅把Task连接到一起，而且指定Task执行的顺序。

Task按照优先约束（Precedence Constraint）规定的顺序执行下去。在一个Task工作之前，Package必须完成其前面Task，不管前面的Task执行的结果是成功、失败或者完成。

1，优先约束

优先约束是把Task连接到一起的连接器，而且定义了Task的执行顺序。优先约束定义了Task的执行路径和条件，只有满足优先约束的条件时，才能按照连接路径继续执行下一个Task。例如，在下图所示的控制流中，优先约束把Execute SQL Task和 Data Flow Task连接到一起，并且规定只有Execute SQL Task都执行完成之后，才会执行Data Flow Task。

为两个Task创建优先约束，必须设置约束值或表达式，当约束值或表达式为True时，满足约束条件。

优先约束的求值运算（Evaluation operation）有四种：

约束（Constraint），根据约束的结果来确定约束的状态

表达式（Expression），根据表达式的结果来确定约束的状态

表达式和约束（Expression and Constraint），根据表达式和约束结果的组合来确定约束的状态

表达式或约束（Expression or Constraint），根据表达式或约束的结果之一来确定约束的状态

根据约束选项的不同，约束值有Value和表达式两种类型：

当求值选项为约束时，约束值有：成功（Success）、失败（Failure）和完成（Completion）；

当求值选项为表达式时，需要用户编写表达式；

约束值共有三种有效值，他们的含义是：

成功约束：表示只有在前置任务或容器成功时，才会执行当前的任务；

失败约束：表示只有在前置任务或容器失败时，才会执行当前的任务；

完成约束：表示只有在前置任务或容器完成（不管失败或成功）时，才会指定当前的任务

当一个Task上创建了多个约束时，必须设置多个约束的逻辑组合。当设置为逻辑与时，多个优先约束同时为True，才满足优先约束的条件；当设置为逻辑或时，只要有一个约束为True，就满足优先约束的条件。多重约束使当前Task在前置任务都成功（逻辑与）的情况下，或者任意一个前置任务成功（逻辑或）的情况下执行。

2，优先约束控制Task的并发

控制流不能在Task组件之间传递数据，它担当Task的调度者，用于串行或并行执行任务。如果两个Task之间没有设置优先约束，那么这两个Task是并发执行的。在设计Package时，应该最大限度地提高Task组件的并发处理能力，这样能够充分利用服务器的系统资源，有助于减少ETL执行的时间。

3，Task组件通过优先约束保持同步

在Task组件之间设置优先约束，只有在上游Task执行完成之后，才会执行下游Task；在上游Task执行完成之前，下游Task不会执行。因此，Task是同步的。

Task的同步表现在两个方面：

Task之间：一个Task在将操作移交之前必须完成（成功，失败或完成），一个Task要想运行，其所有上游Task必须全部完成，否则不会执行。Task的执行顺序由优先约束定义。

单个Task：Task在执行完成之前，不会释放SSIS的执行线程，即执行SSIS Task对服务器的线程资源是独占的，直至Task 完成，否则不会释放线程资源。

二，数据流

数据流（Data Flow）是控制流中的核心组件，用于把数据提取到服务器内存中，转换数据并把数据写入到目标结构中。由于数据流任务把数据加载到服务器内存中进行转换，因此，SSIS属于内存中的ETL工具，这使得SSIS可以高效地执行数据的转换操作。数据流的核心功能是把数据提取到服务器的内存中，转换数据之后，把数据写入到另一个目的中。数据从源移动到目的，使用的是内存管道（Pipeline）。当数据在管道中时，你可以使用转换组件对这些数据进行清洗和处理。

数据流具有流的特性，数据的提取，转换和加载是同时进行的。SSIS引擎以流的形式对数据进行并发处理，这意味着数据不是一次性全部加载，而是划分为不重复的多个部分，组成一个流，源源不断地从上游组件流向下游组件。在数据流动的过程中，数据流的所有转换组件同时对数据流进行处理。上游组件处理完一批数据之后，交接给下游组件继续处理，同时，上游组件继续处理下一批数据。数据在组件之间流动，各个组件同时处理数据的不同部分，直到全部数据处理完成。

数据流具有反馈和自动调节的功能，如果下游组件的处理速度存在压力，那么SSIS将会向上游组件施加反向压力，SSIS引擎感受到压力，将启动自动调节机制，使上游组件的数据流动速度减缓，从而达到动态平衡。

数据流任务由四部分组成：源，转换、目的和路径，分别用于把数据加载到内存中，对内存中的数据进行转换，并内存中的数据转移到目标中，数据按照路径来“移动”：

源：用于指定外部数据源位置，把外部数据加载到内存中，向下游组件输出数据。

转换：转换是在内存中完成的，用于对管道中的数据进行更改，影响内存数据管道内的数据，是数据流的核心功能。

目的：在数据管道的终点，数据离开数据管道，把数据输出到外部存储。

路径：数据流组件之间的连线叫做路径，数据按照路径来转移，可以视为数据走的路线。

外部数据源是数据管道的源泉，通常表示为连接（Connection），SSIS通过连接去访问外部数据源，连接管理器用于设置连接的属性，主要是用于用于集中设置访问数据源的连接字符串，该连接管理器可以被多个组件共享，也可以被多个Package共享。

1，数据流的缓冲区

数据管道是数据流通的管道线，数据流使用内存暂时存储数据流中的数据，这意味着，把数据从外部源提取到SSIS引擎时，数据会存储在预先分配好的内存缓冲区中，可以根据数据行的宽度（一个row中所有column的字节数），设置DefaultBufferMaxRows属性调整缓存区可以容纳的最大数据行数量，或直接设置DefaultBufferSize属性来调整缓冲区的大小。

数据流的缓冲区可以理解为一个二维表，每行有固定的长度，每一列的位置都是固定的。SSIS 引擎根据服务器的资源和压力，预先分配一组缓冲区，每一个缓冲区存储完整数据集的一个不重复子集。当对数据流进行转换处理时，SSIS 引擎后台使用一种更为有效的方式：对同一个缓冲区，逐个应用转换组件，这比把转换后的数据复制到另一个缓冲区，然后应用下一个转换组件更为有效。不过，有些情况下，SSIS引擎需要复制缓冲区，甚至需要拦截数据流，然后对整个数据集进行转换处理，例如，聚合和排序。

SSIS 引擎处理数据最理想的情况是：所有的转换施加在同一个缓冲区中，就地执行转换处理数据。但是，现实情况不总是理想的，有些转换组件需要复制缓冲区，才能向下游传递数据。

数据流通过转换组件时，SSIS 引擎是否需要复制缓冲区，跟转换的阻塞特性和通信机制有关。

2，转换的阻塞特性：非阻塞（流），半阻塞和阻塞

非阻塞：立即把数据从管道中传递到下游的转换

半阻塞：把数据增加到一定数量后再传递到下游的转换

阻塞：在接收全部数据之后，再传递到下游的转换

大多数转换都是流式的，这意味着在转换应用到某一行时，不会阻止数据移动到下一个转换。排序转换和聚合转换是阻塞的，这意味着每种转换在向一个转换传递数据之前，需要使用完整的数据集，在转换结束之前，不会向下游组件释放任何数据。通过在数据流镇南关使用一个阻塞转换组件，数据流将被拦截，所有行都将停留在阻塞转换组件中，直到最后一行流进转换组件。

阻塞转换是非常低效的和资源消耗大的，因为所有数据都被拦截，所以server必须使用大量的内存来存储数据，或者如果Server没有足够的内存，那么Server会将部分数据暂存在磁盘上，从而导致IO开销；因为要对大量的数据进行排序，聚合等操作，需要消耗大量的CPU资源和内存资源。

3，转换组件的通信机制

转换组件的通信是指转换组件把数据传递给下一个转换组件，如果输入所使用的缓冲区和输出所使用的缓冲区不一样，那么转换的输出就是异步的，换句话说，异步转换组件不能够既执行指定操作又维护缓存区（行数或者行的顺序），所以必须复制数据，以实现所期望的结果。异步转换组件接收上游组件的输出缓冲区，然后创建新的缓冲区，输出到下一个组件。

如果输入所使用的缓冲区和输出所使用的缓冲区相同，那么转换的输出是同步的，同步转换组件不会创建新的缓冲区，而是复用缓冲区。

缓冲区的生命周期，是从创建缓冲区开始，到异步转换组件截止。由于异步转换组件需要创建额外的缓冲区，消耗Server的内存资源，降低Server处理数据的性能，因此理想的Package Design是一个Data Flow 只使用一个缓冲区完成所有的转换处理操作，所有的转换都是同步输出的。在实际的工作中，我们可以尽量不适用异步转换组件，或是减少缓冲区创建的数量，尽量延长缓冲区的生命周期。

4，识别转换的同步输出和异步输出

数据流的缓冲区可以看作是一个二维表，每行有固定的长度，每列的位置都是固定的，因此一列在同一个缓冲区中的标识符是相同的。如果该列复制到新的缓冲区中，那么，该列的标识符发生变化。SSIS Engine使用LineageID属性来标识缓冲区中的每一列。

在转换组件的高级编辑器中，每列都有一个LineageID属性，这是一个指向缓冲区的指针，标识该列在缓冲区中的位置。

如果转换输出是同步的，那么同一列的LineageID属性在转换的输出和输入中是相同的，如果转换输出是异步的，那么同一列的LineageID属性在转换的输出和输入中是不同的。

例如，Column1 的初始LineageID值是193，如果转换输出是同步的，在转换的Input和Output中，可以看到Column1的LineageID是193.

5，数据流缓冲区的申请和释放

数据源组件会创建新的缓冲区，并为相应的数据列分配LineageID值。

当缓冲区数据被加载到数据目的组件之后，数据目的组件会释放缓冲区。

异步转换组件会终止输入缓冲区，新建输出缓冲区。

同步转换组件复用输入缓冲区，并作为输出缓冲区，传递给下一个转换组件。

三，异步转换示例

异步转换输出是指：转换的输入缓冲区和输出缓冲区不同，对于只包含OLE DB Source和Sort转换的数据流任务，在Sort转换中，输出列有LineageID属性，当数据列第一次被存储到数据流中，SSIS引擎确定该列的LineageID，用于标识数据流的缓存区的位置。

1，数据源组件

数据源组件含有外部列和输出列，外部列直接来源于外部数据源，输出列是数据源向下游输出的数据。数据源组件创建缓冲区，将外部数据加载到缓冲区中，并为缓存区分配LineageID，这个缓冲区就是数据源组件的输出。

2，Sort 组件

Sort组件接收数据源组件的输出数据，对于Sort组件的输入（Sort Input），ID 列的LineageID是197，这跟数据源的输出的ID列的LineageID属性相同，这说明，Sort 转换直接使用数据源的输出作为Sort转换的输入。

Sort 转换的输出（Sort Output），ID列的LineageID属性值是 288，之所以存在不同的LineageID值，是因为Sort转换的输出是异步的，输入缓冲区和输出缓冲区不同，因此，Sort转换的输出需要一个新的列标识符。

SortColumnID属性用于指定跟输出列相关的输入列的LineageID，输出列ID的SortColumnID属性值是197，是输入列的LineageID。

所有具有半阻塞性和阻塞性的转换都是异步输出的，这些转换不会直接向下游传递输入缓冲区，因为需要拦截数据以进行处理和重组。

四，同步转换示例

条件分离转换（Conditional Split）是非阻塞组件，在数据流任务中，使用条件分离组件，把数据源组件的输出按照特定的条件分开流向不同的目的。

1，Conditional Split组件

打开Conditional Split的编辑器，选中Case1，查看属性SynchronousInPutID和IdentificationString：

IdentificationString：用于指定组件的数据流，其值具有特定格式的字符串，例如： Conditional Split.Inputs[conditional Split input]，

SynchronousInPutID：用于指定跟组件的输出相关的行的输入ID，其值是输入的IdentificationString。

如果组件的属性SynchronousInPutID为None，说明组件会创建新的输出流，转换输出是异步的，如果组件的属性SynchronousInPutID 是一个IdentificationString，说明组件的输出和输入使用相同的缓冲区。

选中 Conditional Split的输入，查看属性IdentificationString的值，和组件的输出Case1的SynchronousInPutID属性值相同。

2，验证LineageID值

查看Sort组件的Input Columns，ID列的LineageID是 197，和数据源组件的输出，Conditional Split的输入都相同，说明Conditional Split没有创建新的数据缓冲区，而是直接使用数据源创建的缓冲区进行转换。

结论：在同步转换输出中，当完成了转换逻辑之后，会立即将缓冲区传递到下游的转换，即转换输入和转换输出使用相同的缓冲区，避免复制缓冲区到输出，因此相同列的LineageID是相同的。

用户可以通过高级编辑器识别同步转换组件和异步转换组件，查看输出的SynchronousInPutID属性，如果SynchronousInPutID属性值为None，那么该组件输出是异步的，如果该值不是None，而是IdentificationString 格式的字符串，那么该转换是同步的。
编辑：hfy