如果我有100W个小文件，每个接近100K，然后我要放到一个目录里面，NTFS的子目录是否能够承受住单个目录存放100W的文件？如果采用sql server 2008的File Stream功能呢？我们知道SQL Server 2008启用了Filestream的字段的表，是一个字段放到一个子目录，如果我100W条记录都放在一个表里面，对应磁盘上仍然是1个子目录会有100W个文件。那结果会怎样？
在很多流言中，有一些认为一个子目录存放超过10W的文件会产生不稳定的情况，通常在遇到这种场景，都直接建议采用分级目录存放，包括我们在一个表里面插入100W条记录。但是windows ntfs和sql server真的有这么差吗？当然不会，我们知道sql server 2008即使管理100T数据也没有问题。而网上最广泛的流言之一就是Oracle的性能比sql server的性能好，这个流言是在sql server 2000的时候产生的，那个时候是事实，但是sql server 2005已经改变了这一状况，而sql server 2008则彻底颠覆了这种情况，但是，流言，仍然继续的流传了下来（看看最新的TPC-E排名：http://www.tpc.org/tpce/results/tpce_perf_results.asp ，TPC-E可是比TPC-C的更新的基准测试哦)。还有一个著名的流言就是SharePoint列表中不要存放超过2000条记录，否则将引起性能的严重下降，这个流言在SharePoint 2003的时候是属实的，但是在SharePoint 2007里面就已经改善了，流言也仍然传了下来。
首先说一下今天要讨论的场景，既然要在sql server 2008里面存放100W个文件，那么显然这是一个服务端应用，而不是一个客户端应用，因为没有人会手动的从100W个文件中去挑选什么。我的 测试环境如下：
OS: Windows Server 2008 R2
硬盘： SATA 日立 1T 7200转
CPU：双核 2G
数据库： SQL Server 2008 Enterprise(MSDN license)
可用内存：足够大（不会出产生内存不足而导致的额外硬盘交换，占用IO的情况）
测试文件大小：90K，也即将插入90K的文件100W份，相当于将这个文件复制了100W份。
真正的服务器一般采用SCSI高速硬盘，所以IO状态会比我的测试机器好很多，而这台机器是我的开发用机，在1T的硬盘上还有3个虚机在同时运行，所以相对而言IO是比较差的。如果在我这台机器上能够承受的住，我相信在真正的服务器上都不会有任何问题。
测试代码：
代码
1 static void Main(string[] args)
2 {
3 SqlConnection conn = new SqlConnection("Data Source=.;Initial Catalog=NorthPole;Integrated Security=SSPI;");
4 conn.Open();
5 SqlCommand cmd = new SqlCommand();
6 cmd.Connection = conn;
7 cmd.CommandText = "AddFile";
8 cmd.CommandType = System.Data.CommandType.StoredProcedure;
9
10 DateTime begin = DateTime.Now;
11 for (int i = 1; i < 100001; i++)
12 {
13 cmd.ExecuteNonQuery();
14 Console.WriteLine("{0} rows are inserted!", i);
15 }
16 DateTime end = DateTime.Now;
17 conn.Close();
18
19 TimeSpan t = end - begin;
20 Console.WriteLine("{0} Days, {1} Hours, {2} Minutes, {3} Seconds", t.Days, t.Hours, t.Minutes, t.Seconds);
21 Console.ReadLine();
22 }
23
里面的AddFile是存储过程：
代码
ALTER PROCEDURE [dbo].[AddFile]
AS
BEGIN
-- SET NOCOUNT ON added to prevent extra result sets from
-- interfering with SELECT statements.
SET NOCOUNT ON;
DECLARE @img AS VARBINARY(MAX)
-- Load the image data
SELECT @img = CAST(bulkcolumn AS VARBINARY(MAX))
FROM OPENROWSET(
BULK
'D:\temp\test.jpg',
SINGLE_BLOB ) AS x
-- Insert the data to the table
INSERT INTO Items (ItemID, ItemImage)
SELECT NEWID(), @img
END
我首先插入了10W条记录到数据库中，执行结果如下：
由于我担心Console.WriteLine和i++这两句代码耗费时间过多，所以做了一下时间补偿，将cmd.ExecuteNonQuery()注释掉，然后做10W次空循环，结果如下：
基本不会对结果产生什么影响。
效率：总共：3757秒，0.03757秒/条
然后我将循环改成了90W次，往数据库插入90W条记录，执行结果如下：
时间补偿：
效率：总共：52674秒， 0.0585秒/条。
随着记录数的增多，显然速度会变慢，不过这点效率损失基本还能够忍受。
虽然对应的目录里面存放了100W的记录，但是目录还是能够打开，不过windows文件管理器的响应速度会变慢，当然这个主要原因应该是widnows文件管理器的原因，毕竟100W条数据不是一个小数字。我们能够看到这个目录有100W项目。
通过sql语句：
SELECT TOP 1000 [ItemID]
,[ItemImage]
FROM [NorthPole].[dbo].[Items]
取前1000行记录，大约用时16秒。
很明显，sql server 具有很好的缓存功能，当我再次执行这条语句的时候，仅仅用时6秒。
随后我执行了几次，基本都维持在6、7秒的样子。
在取任何一条记录的时候，时间都是0秒。我这里感觉不到速度的差异。
关于如何使用SQL Server File Stream功能，这里有一篇blog写的非常详细：http://www.simple-talk.com/sql/learn-sql-server/an-introduction-to-sql-server-filestream/
从我个人的感觉来说，基本没有什么问题，而且如果换成专门的服务器，采用快速的SCSI硬盘，效率应该比我现在的测试结果要好上很多。
当然上述结果仅供参考，如果你需要采用的话，建议在你的真实环境里面再实际测试一遍。毕竟不同的环境，可能得到的结果不相同。
附加，额外的：
