乐趣区

关于java:数据库批量插入这么讲究的么

jiezi

最近新的我的项目写了不少各种 insertBatch 的代码，始终有人说，批量插入比循环插入效率高很多，那本文就来试验一下, 到底是不是真的？

测试环境：

  • SpringBoot 2.5
  • Mysql 8
  • JDK 8
  • Docker

首先，多条数据的插入，可选的计划：

  • foreach循环插入
  • 拼接sql，一次执行
  • 应用批处理性能插入

搭建测试环境 `

sql文件：

drop database IF EXISTS test;
CREATE DATABASE test;
use test;
DROP TABLE IF EXISTS `user`;
CREATE TABLE `user` (`id` int(11) NOT NULL,
  `name` varchar(255) DEFAULT "",
  `age` int(11) DEFAULT 0,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

利用的配置文件：

server:
  port: 8081
spring:
  #数据库连贯配置
  datasource:
    driver-class-name: com.mysql.cj.jdbc.Driver
    url: jdbc:mysql://127.0.0.1:3306/test?characterEncoding=utf-8&useSSL=false&allowPublicKeyRetrieval=true&&serverTimezone=UTC&setUnicode=true&characterEncoding=utf8&&nullCatalogMeansCurrent=true&&autoReconnect=true&&allowMultiQueries=true
    username: root
    password: 123456
#mybatis 的相干配置
mybatis:
  #mapper 配置文件
  mapper-locations: classpath:mapper/*.xml
  type-aliases-package: com.aphysia.spingbootdemo.model
  #开启驼峰命名
  configuration:
    map-underscore-to-camel-case: true
logging:
  level:
    root: error

启动文件，配置了 Mapper 文件扫描的门路：

import org.mybatis.spring.annotation.MapperScan;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.EnableAutoConfiguration;
import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication
@MapperScan("com.aphysia.springdemo.mapper")
public class SpringdemoApplication {public static void main(String[] args) {SpringApplication.run(SpringdemoApplication.class, args);
    }

}

Mapper文件一共筹备了几个办法，插入单个对象，删除所有对象，拼接插入多个对象：

import com.aphysia.springdemo.model.User;
import org.apache.ibatis.annotations.Param;

import java.util.List;

public interface UserMapper {int insertUser(User user);

    int deleteAllUsers();


    int insertBatch(@Param("users") List<User>users);
}

Mapper.xml文件如下：

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE mapper PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN" "http://mybatis.org/dtd/mybatis-3-mapper.dtd" >
<mapper namespace="com.aphysia.springdemo.mapper.UserMapper">
    <insert id="insertUser" parameterType="com.aphysia.springdemo.model.User">
        insert  into user(id,age) values(#{id},#{age})
    </insert>

    <delete id="deleteAllUsers">
        delete from user where id>0;
    </delete>

    <insert id="insertBatch" parameterType="java.util.List">
        insert into user(id,age) VALUES
        <foreach collection="users" item="model" index="index" separator=",">
            (#{model.id}, #{model.age})
        </foreach>
    </insert>
</mapper>

测试的时候，每次操作咱们都删除掉所有的数据，保障测试的主观，不受之前的数据影响。

不同的测试

1. foreach 插入

先获取列表，而后每一条数据都执行一次数据库操作，插入数据：

@SpringBootTest
@MapperScan("com.aphysia.springdemo.mapper")
class SpringdemoApplicationTests {

    @Autowired
    SqlSessionFactory sqlSessionFactory;

    @Resource
    UserMapper userMapper;

    static int num = 100000;

    static int id = 1;

    @Test
    void insertForEachTest() {List<User> users = getRandomUsers();
        long start = System.currentTimeMillis();
        for (int i = 0; i < users.size(); i++) {userMapper.insertUser(users.get(i));
        }
        long end = System.currentTimeMillis();
        System.out.println("time:" + (end - start));
    }
}

2. 拼接 sql 插入

其实就是用以下的形式插入数据：

INSERT INTO `user` (`id`, `age`) 
VALUES (1, 11),
(2, 12),
(3, 13),
(4, 14),
(5, 15);
    @Test
    void insertSplicingTest() {List<User> users = getRandomUsers();
        long start = System.currentTimeMillis();
        userMapper.insertBatch(users);
        long end = System.currentTimeMillis();
        System.out.println("time:" + (end - start));
    }

3. 应用 Batch 批量插入

将 MyBatis session 的 executor type 设为 Batch ，应用sqlSessionFactory 将执行形式置为批量，主动提交置为false, 全副插入之后，再一次性提交：

    @Test
    public void insertBatch(){SqlSession sqlSession = sqlSessionFactory.openSession(ExecutorType.BATCH, false);
        UserMapper mapper = sqlSession.getMapper(UserMapper.class);
        List<User> users = getRandomUsers();
        long start = System.currentTimeMillis();
        for(int i=0;i<users.size();i++){mapper.insertUser(users.get(i));
        }
        sqlSession.commit();
        sqlSession.close();
        long end = System.currentTimeMillis();
        System.out.println("time:" + (end - start));
    }

4. 批量解决 + 分批提交

在批处理的根底上，每 1000 条数据，先提交一下，也就是分批提交。

    @Test
    public void insertBatchForEachTest(){SqlSession sqlSession = sqlSessionFactory.openSession(ExecutorType.BATCH, false);
        UserMapper mapper = sqlSession.getMapper(UserMapper.class);
        List<User> users = getRandomUsers();
        long start = System.currentTimeMillis();
        for(int i=0;i<users.size();i++){mapper.insertUser(users.get(i));
            if (i % 1000 == 0 || i == num - 1) {sqlSession.commit();
                sqlSession.clearCache();}
        }
        sqlSession.close();
        long end = System.currentTimeMillis();
        System.out.println("time:" + (end - start));
    }

首次后果，显著不对？

运行下面的代码，咱们能够失去上面的后果，for循环插入的效率的确很差，拼接的 sql 效率绝对高一点，看到有些材料说拼接 sql 可能会被 mysql 限度，然而我执行到 1000w 的时候，才看到堆内存溢出。

上面是不正确的后果！！！

插入方式 10 100 1000 1w 10w 100w 1000w
for 循环插入 387 1150 7907 70026 635984 太久了 … 太久了 …
拼接 sql 插入 308 320 392 838 3156 24948 OutOfMemoryError: 堆内存溢出
批处理 392 917 5442 51647 470666 太久了 … 太久了 …
批处理 + 分批提交 359 893 5275 50270 472462 太久了 … 太久了 …

拼接 sql 并没有超过内存

咱们看一下 mysql 的限度:

mysql> show VARIABLES like '%max_allowed_packet%';
+---------------------------+------------+
| Variable_name             | Value      |
+---------------------------+------------+
| max_allowed_packet        | 67108864   |
| mysqlx_max_allowed_packet | 67108864   |
| slave_max_allowed_packet  | 1073741824 |
+---------------------------+------------+
3 rows in set (0.12 sec)

这 67108864 足足 600 多 M，太大了，怪不得不会报错，那咱们去改改一下它吧，改完从新测试：

  1. 首先在启动 mysql 的状况下，进入容器内，也能够间接在 Docker 桌面版间接点 Cli 图标进入：
docker exec -it mysql bash
  1. 进入 /etc/mysql 目录，去批改 my.cnf 文件：
cd /etc/mysql
  1. 先依照vim，要不编辑不了文件：
apt-get update
apt-get install vim
  1. 批改my.cnf
vim my.cnf
  1. 在最初一行增加 max_allowed_packet=20M(按i 编辑，编辑完按 esc，输出:wq 退出)
 
[mysqld]
pid-file        = /var/run/mysqld/mysqld.pid
socket          = /var/run/mysqld/mysqld.sock
datadir         = /var/lib/mysql
secure-file-priv= NULL
# Disabling symbolic-links is recommended to prevent assorted security risks
symbolic-links=0
 
# Custom config should go here
!includedir /etc/mysql/conf.d/
max_allowed_packet=2M
  1. 退出容器
# exit
  1. 查看 mysql 容器id
docker ps -a

  1. 重启mysql
docker restart c178e8998e68

重启胜利后查看最大的max_allowed_pactet，发现曾经批改胜利：

mysql> show VARIABLES like '%max_allowed_packet%';
+---------------------------+------------+
| Variable_name             | Value      |
+---------------------------+------------+
| max_allowed_packet        | 2097152    |
| mysqlx_max_allowed_packet | 67108864   |
| slave_max_allowed_packet  | 1073741824 |
+---------------------------+------------+

咱们再次执行拼接 sql，发现100w 的时候，sql就达到了 3.6M 左右，超过了咱们设置的2M，胜利的演示抛出了谬误：

org.springframework.dao.TransientDataAccessResourceException: 
### Cause: com.mysql.cj.jdbc.exceptions.PacketTooBigException: Packet for query is too large (36,788,583 > 2,097,152). You can change this value on the server by setting the 'max_allowed_packet' variable.
; Packet for query is too large (36,788,583 > 2,097,152). You can change this value on the server by setting the 'max_allowed_packet' variable.; nested exception is com.mysql.cj.jdbc.exceptions.PacketTooBigException: Packet for query is too large (36,788,583 > 2,097,152). You can change this value on the server by setting the 'max_allowed_packet' variable.

批量解决为什么这么慢？

然而，认真一看就会发现，下面的形式，怎么批处理的时候，并没有展现出劣势了，和 for 循环没有什么区别？这是对的么？

这必定是不对的，从官网文档中，咱们能够看到它会批量更新，不会每次去创立预处理语句，实践是更快的。

而后我发现我的一个最重要的问题：数据库连贯 URL 地址少了rewriteBatchedStatements=true

如果咱们不写，MySQL JDBC 驱动在默认状况下会漠视 executeBatch() 语句，咱们冀望批量执行的一组 sql 语句拆散，然而执行的时候是一条一条地发给 MySQL 数据库，实际上是单条插入，间接造成较低的性能。我说怎么性能和循环去插入数据差不多。

只有将 rewriteBatchedStatements 参数置为 true, 数据库驱动才会帮咱们批量执行 SQL。

正确的数据库连贯：

jdbc:mysql://127.0.0.1:3306/test?characterEncoding=utf-8&useSSL=false&allowPublicKeyRetrieval=true&&serverTimezone=UTC&setUnicode=true&characterEncoding=utf8&&nullCatalogMeansCurrent=true&&autoReconnect=true&&allowMultiQueries=true&&&rewriteBatchedStatements=true

找到问题之后，咱们从新测试批量测试, 最终的后果如下：

插入方式 10 100 1000 1w 10w 100w 1000w
for 循环插入 387 1150 7907 70026 635984 太久了 … 太久了 …
拼接 sql 插入 308 320 392 838 3156 24948（很可能超过 sql 长度限度） OutOfMemoryError: 堆内存溢出
批处理(重点) 333 323 362 636 1638 8978 OutOfMemoryError: 堆内存溢出
批处理 + 分批提交 359 313 394 630 2907 18631 OutOfMemoryError: 堆内存溢出

从下面的后果来看，的确批处理是要快很多的，当数量级太大的时候，其实都会超过内存溢出的，批处理加上分批提交并没有变快，和批处理差不多，反而变慢了，提交太屡次了，拼接 sql 的计划在数量比拟少的时候其实和批处理相差不大，最差的计划就是 for 循环插入数据，这真的特地的耗时。100条的时候就曾经须要 1s 了，不能抉择这种计划。

一开始发现批处理比较慢的时候，真的挺狐疑本人，前面发现是有一个参数，有一种拨开云雾的感觉，晓得得越多，不晓得的越多。

【作者简介】：
秦怀，公众号【秦怀杂货店】作者，技术之路不在一时，山高水长，纵使迟缓，驰而不息。

剑指 Offer 全副题解 PDF

2020 年我写了什么？

开源编程笔记

退出移动版