在上一讲：

Power BI数据回写SQL Server(1)没有中间商赚差价 中，

我们讲过，利用循环的方式将PQ中得到的table表逐行导入SQL Server中，有的朋友怀疑这种方式会不会造成数据量较大时运行慢、能耗大的问题，这种顾虑理论上是恰当的，所以今天再介绍一种能够直接一次性导入SQL的办法。

熟悉SQL的同学可能已经想到了——“存储过程”。我们可以通过创建一个存储过程来读取PQ生成的文件，然后解析到数据库中。

用过这两种语言的朋友应该知道，PQ可以将查询结果的table转化为XML二进制文件或者JSON格式，而SQL恰好也能支持这两种文件格式的输入，这就好办了。

略微扫一下盲：

JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式。它基于JavaScript的一个子集；

XML(Extensible Markup Language)即可扩展标记语言，Xml是Internet环境中跨平台的，依赖于内容的技术，是当前处理结构化文档信息的有力工具。

两者的共同优点是都是文本表示的数据格式，可以跨平台、跨系统交换数据。

一、XML篇：

首先我们写一个带xml文件参数的存储过程：

这样我们就可以通过在SQL Server中直接调用这个函数来达到我们预先设定的插入数据的过程。

我们看一下XMLbinary的格式：

        学谦数据运营        35592   2020/3/31    

第二步，要将PQ返回的table转为以上的xml格式，我们需要在数据表中添加一列名为binary的自定义列，输入：

=Text.Format  (                                            "#[KeyValue]#[NumberValue]#[DateValue] ",                                            [KeyValue=[KeyValue], NumberValue=[NumberValue], DateValue=[DateValue]]  )

运行：

这样我们就得到了新的一列：

接着，我们只用这一列，将这一列文本前后分别加上一个“table”然后用Text.ToBinary()转为XMLbinary文件：

XmlBinary = Text.ToBinary("

" & Text.Combine(AddedCustom[binary]) & "")

运行后我们就得到了一个XML二进制文件：

最后，我们要操作的就是将这个文件作为参数传递给SQL Server的存储过程，简单的一行代码：

运行一下看看效果：

原表中数据为0，刷新一次后插入20行数据，多次刷新后，数据每次增加20行。

WOW，你们应该猜到我要说什么了：

二、JSON篇

第一步，在SQL Server中创建一个存储过程，调用json格式的文本为参数；

第二步，powerquery生成JSON格式其实更加简单，使用Json.FromValue()，直接将table转为JSON文件：

第三步，由于SQL读取的是字符串格式的JSON数据，所以需要使用Text.FromBinary()来返回字符串结果：

最后依然是向存储过程传递参数，只不过这次传递的是text格式JSON数据。

好了，我们来看一下效果，舞动起来：

我们需要注意到，Text.FromBinary()获得的JSON字符串中文显示了Unicode编码字符，但是导入SQL中显示是中文没问题的：

这里留给大家一个问题，如果我就想在powerquery中显示中文，应该怎么办呢？欢迎大家在留言区交流分享。

好了，关于如何Power BI如何向SQL回写数据，我们用了三篇文章来讲解。前两篇分别是：

【重磅来袭】在Power BI 中使用Python(4)——PQ数据导出&写回SQL

Power BI数据回写SQL Server(1)没有中间商赚差价

对这几篇文章做一个小总结：

Power BI (PowerQuery)向SQL回写数据本身是一个应用场景并不多的技巧，没想到发了第一篇文章后很多朋友反馈说正是目前能用到的：

所以才有了后面的这两篇文章。

总结起来，方法有这么几个：

1、借助Python的相关库，在PQ中调用，以达到回写SQL的目的；

2、在PQ中循环按行导入SQL；

3、在SQL中创建存储过程，然后在PQ中调用存储过程，JSON或XML文件作为参数

同时，总结了几位朋友的案例，发现应用场景主要集中在这么两个方面：

①pq爬取的数据只是状态数据，转瞬即逝，无法变化记录；

②解决不同数据库之间的壁垒，比如要定期将数据从某个数据库中备份复制到另一个。

所以，如果你在日常工作学习中遇到了以上的应用场景，那么这三篇文章恰好能够帮助你。

不过，我在测试时用的都是几十行的小数据，这几种方法并没有感觉到任何区别，所以对于巨量数据是否会有差异并没有经过实际的测试，欢迎有兴趣的朋友对比一下这几种方式，比较一下优缺点，欢迎反馈。

感谢您对【学谦数据运营】公众号的关注、支持与厚爱，如果本文对您有用，请不要吝惜您的点赞、转发和点亮在看，有任何问题欢迎大家在留言区询问或者直接加我个人微信，谢谢。