我想在生产数据库中获取数据的 10% 副本，保持其完整性并将其还原到新数据库中。
有没有一种方法可以在SQL Server中完成此操作？我已经考虑过创建一个导出数据库架构和数据的 SSIS，然后放置一个行采样任务以减少流入新数据库的数据量，但我想知道是否有更好的方法来执行此操作？
这是一个很难的话题，确实需要一些工作。这里有几种方法，除了HoneyBadger指出的内容之外，我还会添加一些东西。
首先，我确实知道Data Bee可以对数据库进行子集，但这对您来说可能还不够。您可以使用试用版来查看它是否有效。
其次，我通常建议您获取开发领域(开发、测试、UAT 等(的精选数据集，其中包含您需要解决的问题域的情况。 有两种方法可以做到这一点。一个是数据虚拟化软件，这是Redgate在SQL Clone中使用的软件，Delphix在其产品中使用的软件，以及其他一些软件。这基本上是复制生产一次，然后将其共享给所有开发人员/qa/等。它减少了获取副本所需的大部分时间/存储空间。这会有所帮助。
另一种方法是构建一个数据集，这是我为一些客户所做的。
正如HoneyBadger指出的那样，如果您从事抵押贷款工作，您可能需要考虑固定贷款，可变APR，各种条款等。 通常，最简单的方法是了解客户要求哪些案例提供新功能，或者业务分析师使用什么，然后将这些项目复制到新数据库中。这些可能是相对较少的转换数据和所有查找类型数据。
这也是一个持续的过程，因为你意识到你错过了东西。将该数据库保存在 VCS 或已知位置，并将其用作系统的源。如果你的开发人员、你的构建系统、你的 QA 都从这里提取，你会得到一组一致的数据。您可以使用随机数据(例如 Redgate 数据生成器(来增强它，以帮助填充一些值。
加法方法通常比减法容易得多。因此，还要记住，屏蔽/混淆敏感数据很重要。随着GDPR和其他立法的执行，我会在这里更加小心。
披露：我在Redgate Software工作。
虽然偏离了SO的话题，但我确实想给出一些您可以遵循的准则：
我经常这样做，但主要是手工工作。首先，您必须确定数据库的"主要实体"是什么：它是否涉及人员，帐户，信用卡或其他内容？我主要在金融部门工作，所以对我来说，它通常是账户/抵押贷款等。但它可以是任何东西，真的。 您必须决定数据库中的所有内容都与"基本实体"相关。
确定主实体后，您可以选择数据库的 10%。例如，如果您的主要实体是账户，则可以从Account表中选择 10% 的账户 ID。这10%你可以放在一个表格里。
接下来是艰苦的工作：您必须为将各个实体与主实体相关联的每个表编写查询。因此，如果您的主要实体是一个人，您需要该人员的所有地址，所有帐户，所有电话号码，与他们相关的所有历史记录。这些查询可能会变得非常复杂，您确实需要很好地了解您的数据库。您将收到如下查询：
SELECT Src.*
INTO [dbo].[GTP_MSI_MORTGAGERELATION_MORTGAGE_RELATION]
FROM [ATV].[GTP_MSI_MORTGAGERELATION_MORTGAGE_RELATION] AS Src
INNER JOIN atv.GTP_MSI_MORTGAGEREQUEST_APPLICANT APP
ON APP.MORTGAGE_RELATION_ID = Src.MORTGAGE_RELATION_ID
INNER JOIN ATV.GTP_MSI_MORTGAGELOAN_LOAN MLL
ON MLL.MORTGAGE_REQUEST_ID = APP.REQUEST_ID
INNER JOIN dbo.DOOR D
ON CONVERT(VARCHAR(255), D.NUMHYP) = MLL.LOAN_NUMBER
在此示例中，dbo.DOOR表包含范围内的抵押 ID 选择(该示例查找与抵押关联的所有人员/组织之间的所有关系(。
我最常做的是将生产数据(及时提取(放在某个架构中，并使用上述查询来填充 dbo 架构。因此，[ATV].[GTP_MSI_MORTGAGERELATION_MORTGAGE_RELATION]在上面的示例中将包含生产数据，而其dbo同名包含较小的生产数据集(与范围内的抵押贷款相关的数据(。一旦我填写了dbo模式，我就可以使用匿名化软件(我倾向于使用Red Gate Datagenerator(来删除私人/业务敏感信息。然后，我可以提取匿名化数据，并将其用作开发数据库的源。
另请参阅此内容(不幸的是，目前只有荷兰语，但如果您将其推到翻译器中，它仍然应该很有意义。