前言：
我们知道，数据库是存放数据的仓库。日常我们使用数据库也是为了存储数据，和数据库打交道总免不了要进行数据导入工作。工作中也可能遇到各种不同的数据导入需求，本篇文章主要分享下数据导入相关的小技巧，希望你能学到几招。
在进行数据导入前，我们首先要清楚想要做什么，要达到什么效果。最好也要清楚导入的数据量有多大，这样对导入时间也有个评估。
其次，对要导入的文件内容也要有大概了解，比如现在有一个 sql 脚本需要执行，那么你要先看下文件内容，是否存在建表语句、若原表存在该怎么处理、数据冲突又要怎么处理等等，这些都要有个预估。
下面我们分场景来讨论下如何进行数据导入：
导入 sql 文件
这种场景还是比较常见的，sql 文件中一般是 insert 语句。执行 sql 文件可以使用 mysql 命令行或 source 执行，例如：mysql -uroot -pxxx testdb < /tmp/testdb.sql ，使用 Navicat 等图形化工具也可以执行 sql 文件，这里建议执行 sql 文件最好是通过命令行来执行，特别是比较大的 sql 文件，使用命令行执行速度更快。
在导入 sql 文件前，要先进入数据库看下表信息，原表是否存在数据，如果是增量导入的话，自增 ID 最好不要指定，有唯一索引的字段要额外注意，如果是清空原表进行导入的话，最好事先进行备份下。
导入 Excel 或 CSV 文件
有时候我们也需要将 Excel 表导入数据库中，相对于 sql 文件，导入 Excel 文件显得更加复杂些，因为 sql 文件中的 insert 语句是数据库能直接识别的，而导入 Excel 文件则需要借助其他工具。
例如我们可以借助 Navicat 的导入向导来导入 Excel 文件，首先要在数据库中创建对应的表，字段顺序及类型要与数据相匹配，为了导入顺利，可以先不创建索引并允许字段为空。之后就可以借助导入向导选择 Excel 文件进行导入了，如果首行是标题的话，记得忽略首行。
不过，使用 Navicat 导入 Excel 文件只适用于数据量比较小的情况，如果数据量比较大且字段比较复杂的情况下，那就要进行改造处理了，比如可以使用 LOAD DATA 或者借助程序脚本进行处理后再导入。
总结：
本篇文章简单介绍了数据导入的几种场景及方法。作为工作中会遇到的场景，多学几招还是有必要的。关于数据导入，最重要的还是能够成功导入，无论用那种方法只要能完成需求即可。当然进行导入的前提是不影响现有业务，特别是导入前进行的删除操作，一定要小心，我们导入数据是为了完成需求而不是制造新的麻烦。
