batchsize必须≥102400才能避免数据进入增量行组，确保直接压缩入列存储；小于该值或剩余行不足时，数据将载入delta rowgroup，引发性能瓶颈。
batchsize 必须 ≥ 102400 才能绕过 delta 行组
列存索引（尤其是聚集列存）的导入性能瓶颈，往往不是磁盘或网络，而是数据被错误地塞进 delta rowgroup。只要单次 bcp 批次行数 tuple mover 搬运合并，徒增延迟和资源争用。
实操建议：
- 显式指定
-b 102400或更大值（如-b 200000），避免依赖默认行为（默认 batchsize 是 1000） - 若源数据总量不能被 102400 整除，剩余行仍会进 delta；可提前用
SELECT COUNT(*)计算总数，再按需拆分多个bcp命令，确保每批都达标 - 不要为了“填满”而硬凑行数——比如拼接脏数据或伪造 ID，这会导致业务逻辑错乱或主键冲突
用 -n（本机格式）替代 -c，省掉字符编码转换开销
当源数据来自 SQL Server 自身（比如从另一台实例导出再导入），用 -n 参数走本机二进制格式，比 -c（字符格式）快得多。后者会强制做 OEM ↔ ANSI 字符转换，不仅慢，还可能损坏扩展字符（如中文、emoji）。
但要注意兼容性：
-
-n导出的文件只能被 SQL Server 读取，不能被人眼直接查看或被 Excel 打开 - 目标表结构必须与源完全一致（列数、类型、顺序、NULL 属性），否则导入时字段错位，值写到错误列上而不报错
- 如果必须支持跨平台或人工校验，改用
-w（Unicode 字符格式）+ XML 格式化文件，比-c更安全
并行导入无需 TABLOCK，但得避开同一张表的多路写入竞争
很多人误以为并行 bcp 必须加 -h "TABLOCK"，其实这是堆表或 B-tree 索引的老习惯。对列存表，SQL Server 会自动为每个导入线程分配独立的压缩行组（或 delta 行组），各自持有独占锁，天然支持并发。
不过真实场景中容易踩坑：
- 别让多个
bcp进程同时往**同一张列存表**里灌数据——虽然语法允许，但行组分配策略可能退化，反而引发锁等待或内存争用 - 更稳妥的做法是：把源数据按逻辑切分成多个文件（如按日期分区），每个文件对应一张**临时列存表**，导入完成后再用
INSERT INTO ... SELECT合并到主表（此时主表只承受一次大事务） - 若用
BULK INSERT替代bcp，则必须加TABLOCK，否则无法触发最小日志记录
跳过格式化文件的前提是你完全掌控源/目标表结构
用 bcp 时不指定 -f，工具会按目标表定义反推字段映射——看似方便，实则危险。一旦源文件字段顺序、类型、长度与目标表稍有出入（比如 varchar(50) 导入到 varchar(30)），bcp 可能静默截断或报错中断，且错误信息模糊（常见如 Invalid character value for cast specification）。
建议：
- 首次导入前，先用
bcp database.schema.table format nul -f table.fmt -x -T生成 XML 格式化文件，人工检查<FIELD>和<COLUMN>的对应关系 - 字段名不匹配时，在格式文件里显式写
IDENTITY="YES"或Skip="YES"控制忽略列，比在命令行硬编码-F/-L更可靠 - 云环境（如 Azure Synapse）不支持
BULK INSERT和格式化文件，得换COPY INTO+ 外部文件路径
真正卡住批量导入的，往往不是参数没设对，而是没意识到列存的行组机制会把“小批次”自动降级成低效路径。确认 sys.dm_db_column_store_row_group_physical_stats 里 state_desc 是 COMPRESSED 而非 OPEN 或 CLOSED，才算落地成功。
