Nano Hash - криптовалюты, майнинг, программирование

Сбой импорта SQL Server 2008 R2 из доступа в столбце даты и времени

Я пытаюсь импортировать таблицу БД Access 2010 (*.accdb) в SQL Server 2008 R2 как новую таблицу, а не в существующую.

Я делаю это с помощью «Мастера импорта экспортных данных» SQL Server.

У меня есть два столбца datetime, которые, как мне известно, содержат недопустимые значения datetime (не спрашивайте меня, как какой-то гений ухитрился ввести туда неверные значения).

Поэтому я подумал, что могу сопоставить эти столбцы с nvarchar(max) столбцами в мастере и решить проблему позже.

Но, к сожалению, после сопоставления я получаю это сообщение:

Найдено 2 преобразования неизвестного типа столбца. Пакет не будет запущен.

Это скриншот:

import_error.png

sql-server sql-server-2008 datetime sql-server-2008-r2 ms-access-2010
05.11.2015

  • Для информации: рекомендуемый способ обмена изображениями с нами через imgur.com 05.11.2015
  • Поля типа данных DateTime не могут содержать недопустимые записи. Если вы считаете, что это так, восстановите и уплотните базу данных Access. 05.11.2015
  • @Gustav - попробовал то, что вы предложили - не работает. я знаю, что он содержит недопустимые данные, потому что, если я сохраню дату и время типа назначения, он выйдет из строя в середине процесса импорта с ошибкой, касающейся этого столбца. 05.11.2015
  • Опять же, поле даты доступа не может содержать недопустимые значения даты. Однако диапазон дат в SQL Server ограничен по сравнению с Access (100/01/01 до 9999/12/31), поэтому изучите свою таблицу на наличие чрезмерных значений. 06.11.2015
  • @Gustav - считаются ли нулевые значения допустимыми значениями для мастера? 08.11.2015
  • Так и должно быть, но было бы легко найти такие значения. 08.11.2015

Ответы:


1

Итак, я только что нашел очень странный обходной путь (ошибка в мастере?): когда вы выбираете тип целевого столбца «nvarchar», размер автоматически устанавливается на «max», и вы не можете изменить это.

переключился на «nchar» (следующий в списке со списком), а размер установлен на «50» (по умолчанию). затем переключился обратно на «nvarchar», а размер по-прежнему был «50», нажал кнопку «Далее» и вуаля — я могу игнорировать неверные значения и смог запустить импорт. самый странный обходной путь.

05.11.2015

2

В дополнение к обходному пути, описанному в другом ответе, другим подходом может быть импорт запроса, который выполняет преобразование DateTime -> Text, например,

SELECT CStr(Field1) AS Field1Text, Field2 FROM Table1

как это:

Импорт1.png

Импорт2.png

05.11.2015
  • Спасибо за ответ. попробовал ваше предложение. получил эту ошибку: tinyurl.com/onkc46w 05.11.2015
  • К сожалению, это сообщение об ошибке не содержит много полезной информации. Возможно, неверные даты вызывают сбой запроса. Было бы интересно узнать, не завершается ли запрос также при запуске из самого Access. 05.11.2015
  • он не терпит неудачу перед тем, как сказать - он возвращает #error для многих строк, для других он возвращает значение даты в виде строки. edit: обнаружил, что некоторые из возвращаемых #error связаны с нулевыми значениями... 08.11.2015
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..