您现在的位置：程式碼之家 >> 數據庫知識 > >> Oracle 資料庫 >> Oracle 資料庫基礎

Oracle 資料匯入匯出實戰範例：exp/imp 參數全景與權限配置指南

編輯：Oracle 資料庫基礎

Oracle exp/imp 是傳統邏輯備份/還原工具，相當於資料庫級「備份與還原」。exp 將遠端資料導出為本地 .dmp 二進位檔，imp 將 .dmp 導入遠端資料庫，可構建測試/正式雙環境。本文彙整八大導出場景、四大導入場景、壓縮技巧、權限授予腳本與擁有者變更技巧。

執行環境

可在 SQL*Plus 或 DOS/Shell 執行
Oracle 8i：$ORACLE_HOME/bin 含 exp.exe、imp.exe（Java 包裝類）
SQL*Plus 內呼叫上述可執行檔完成功能

一、資料導出實戰範例

場景	指令範例	關鍵參數
完整資料庫導出	`exp system/manager@TEST file=d:\daochu.dmp full=y`	`full=y`
指定 Schema 導出	`exp system/manager@TEST file=d:\daochu.dmp owner=(system,sys)`	`owner`
指定表導出	`exp aichannel/aichannel@TESTDB2 file=d:\data\newsmgnt.dmp tables=(inner_notify,notify_staff_relat)`	`tables`
條件式導出	`exp system/manager@TEST file=d:\daochu.dmp tables=(table1) query="WHERE filed1 LIKE '00%'"`	`query`
導出並壓縮	上述指令加 `compress=y` 或事後 `winzip`	`compress=y`

二、資料導入實戰範例

場景	指令範例	關鍵參數
完整導入	`imp system/manager@TEST file=d:\daochu.dmp`	-
完整導入忽略錯誤	`imp aichannel/aichannel@HUST full=y file=d:\data\newsmgnt.dmp ignore=y`	`ignore=y` 跳過物件已存在錯誤
指定表導入	`imp system/manager@TEST file=d:\daochu.dmp tables=(table1)`	`tables`
不同 Schema 間導入	`imp system/manager file=tank.log fromuser=seapark touser=seapark_copy`	`fromuser/touser`

三、實務關鍵提醒

權限足夠：操作帳號需 EXP_FULL_DATABASE、IMP_FULL_DATABASE、DBA 等角色
網路可達：tnsping <TNS名> 驗證連線
版本相容：imp 版本需 ≥ exp 版本（向上相容）
字元集一致：三端字元集必須一致（參見字元集專文）
先刪後導：重建物件建議先 DROP TABLE 再 imp

四、授予匯入匯出權限腳本

-- 1. 建立使用者（若不存在）
CREATE USER username IDENTIFIED BY password;

-- 2. 授予完整權限
GRANT CREATE USER, DROP USER, ALTER USER,
      CREATE ANY VIEW, DROP ANY VIEW,
      EXP_FULL_DATABASE, IMP_FULL_DATABASE,
      DBA, CONNECT, RESOURCE, CREATE SESSION
TO username;

-- 3. 執行匯入
imp userid=system/manager full=y file=backup.dmp

五、變更物件擁有者技巧

Oracle 不支援直接 ALTER TABLE ... OWNER TO ...，利用 exp/imp 間接實現：

# 1. 導出
exp system/manager file=obj.dmp owner=old_user

# 2. 建立參數檔 import.par
fromuser=old_user
touser=new_user
file=obj.dmp
ignore=y

# 3. 匯入
imp parfile=import.par

結語

exp/imp 雖為傳統工具，在跨版本遷移、Schema 重組、小量資料同步場景仍具不可替代性。掌握 full/owner/tables/query/compress/ignore/fromuser/touser/parfile 核心參數組合，即能應對 90% 實務需求。大量資料場景建議改用 Data Pump (expdp/impdp) 並行處理。