数据库挖掘：两个数据库增量同步实现方式讨论-求一个单表上百万数据同步方式的选择（类似根据医嘱实现统方）

如题，最近有个项目需要同步两个 SQL Server 数据库中的一个表，这表有 12000000 多行。像这种上千万行的数据，同步到另一个数据库是个头疼的问题。现在根据id查询速度比较快，根据时间过滤需要大约17秒多才可以查出数据。

这个表会不定时更新，有个“索引 id ”字段，有个“执行时间”字段，新增数据“id”会 自动加一，更新的话“执行时间”字段会变为当前服务器执行时间。一般更新都是最近几天的数据库。

在不动原来数据库的前提下（这导致无法使用触发器和数据库发布等功能同步）将此表同步到另一个数据库里面。 暂时想到的方法有两个：

1 、 a ：自己编写 python 脚本，设定几个初始变量到本地文本配置文件，其中包括同步时间，第一次运行判断同步数据时间，如果小于当前时间则同步最近三个月数据到本地数据库，如果大于当前日期，则同步当天数据到本地数据库，并修改配置文件里面的同步时间加 24 小时。把这脚本放到半夜执行。每天23点执行一次，3点执行一次。

1 、 b ：实现数据的增量同步方式（即判断哪些数据需要更新哪些数据需要插入方式为）将源数据库数据保存为 lis ，然后逐条更新，在更新前查询被更新数据库里面是否存在相同“ id ”及相同“执行时间”，如果不存在 id 就插入本条数据，如果存在一样“ id ”但“执行时间”不一样，就更新数据，如果两个字段都一样就跳到下一条数据循环判断。

另一种方式是使用 kettle 这类 etl 工具来同步数据库，一般院感系统使用此方法来挖掘数据。 kettle 没接触过，正在了解中，不知道性能如何，有其他好办法欢迎讨论。