共计 11663 个字符，预计需要花费 30 分钟才能阅读完成。
本文次要通过批量与非批量比照操作的形式介绍 MongoDB 的 bulkWrite()办法的应用。顺带与关系型数据库 MySQL 进行比照，比拟这两种不同类型数据库的效率。如果只是想学习 bulkWrite()的应用的看第一局部就行。
测试环境：win7 旗舰版、16G 内存、i3 处理器、MongoDB3.0.2、mysql5.0
一、MongoDB 批量操作
MongoDB 对数据的操作分为 Read Operations 和 Write Operations，Read Operations 蕴含查问操作，Write Operations 蕴含删除、插入、替换、更新几种操作。MongoDB 提供客户端用 bulk 形式执行 Write Operations，也就是批量写操作。在 java driver 中，对应 MongoCollection 的 bulkWrite()办法，先来看下这个办法签名：
BulkWriteResult com.mongodb.client.MongoCollection.bulkWrite(List<? extends WriteModel<? extends Document>> requests)这个办法要求传入一个 List 汇合，汇合中的元素类型为 WriteModel，它示意一个可用于批量写操作的基类模型，它有以下几个子类 DeleteManyModel、DeleteOneModel、InsertOneModel、ReplaceOneModel、UpdateManyModel、UpdateOneModel，从名字能够看进去它对应了删除、插入、替换、更新几种操作。该办法返回一个 BulkWriteResult 对象，代表一个胜利的批量写操作后果，封装了操作后果的状态信息，如插入、更新、删除记录数等。
1、插入操作
(1)、批量插入
代码如下，该办法接管一个蕴含要进行插入的 Document 对象的汇合参数，遍历汇合，应用 Document 结构 InsertOneModel 对象，每个 InsertOneModel 实例代表一个插入单个 Document 的操作，而后将该实例增加 List 汇合中，调用 bulkWrite()办法，传入存储所有插入操作的 List 汇合实现批量插入。
public void bulkWriteInsert(List<Document> documents){List<WriteModel<Document>> requests = new ArrayList<WriteModel<Document>>();
for (Document document : documents) {
// 结构插入单个文档的操作模型
InsertOneModel<Document> iom = new InsertOneModel<Document>(document);
requests.add(iom);
}
BulkWriteResult bulkWriteResult = collection.bulkWrite(requests);
System.out.println(bulkWriteResult.toString());
}测试：上面通过一个 main 函数测试下。首先结构 10 万个 Product 实体对象，应用一个工具类将其转换成 json 字符串，而后解析成 Document 对象，保留到一个 list 汇合中，而后调用下面编写的办法测试 10 万个对象插入工夫。
TestMongoDB instance = TestMongoDB.getInstance();
ArrayList<Document> documents = new ArrayList<Document>();
for (int i = 0; i < 100000; i++) {Product product = new Product(i,"书籍","追风筝的人",22.5);
// 将 java 对象转换成 json 字符串
String jsonProduct = JsonParseUtil.getJsonString4JavaPOJO(product);
// 将 json 字符串解析成 Document 对象
Document docProduct = Document.parse(jsonProduct);
documents.add(docProduct);
}
System.out.println("开始插入数据。。。");
long startInsert = System.currentTimeMillis();
instance.bulkWriteInsert(documents);
System.out.println("插入数据实现，共耗时："+(System.currentTimeMillis() - startInsert)+"毫秒");后果：1560 毫秒，屡次测试根本在 1.5 秒左右
(2)、逐条插入
上面再通过非批量插入 10 万个数据比照下，办法如下：
public void insertOneByOne(List<Document> documents) throws ParseException{for (Document document : documents){collection.insertOne(document);
}
}测试：10 万条数据
System.out.println("开始插入数据。。。");
long startInsert = System.currentTimeMillis();
instance.insertOneByOne(documents);
System.out.println("插入数据实现，共耗时："+(System.currentTimeMillis() - startInsert)+"毫秒");后果：12068 毫秒，差距十分大。由此可见，MongoDB 批量插入比逐条数据插入效率进步了十分多。
补充：
MongoCollection 的 insertMany()办法和 bulkWrite()办法是等价的，测试工夫差不多，不再贴图。
public void insertMany(List<Document> documents) throws ParseException{// 和 bulkWrite()办法等价
collection.insertMany(documents);
}2、删除操作
(1)、批量删除
把握了批量插入，批量删除就是依葫芦画瓢了。结构 DeleteOneModel 须要一个 Bson 类型参数，代表一个删除操作，这里应用了 Bson 类的子类 Document。重点来了，这里的删除条件应用文档的_id 字段，该字段在文档插入数据库后主动生成，没插入数据库前 document.get(“_id”)为 null，如果应用其余条件比方 productId，那么要在文档插入到 collection 后在 productId 字段上增加索引
collection.createIndex(new Document("productId", 1));因为随着 collection 数据量的增大，查找将越耗时，增加索引是为了进步查找效率，进而放慢删除效率。另外，值得一提的是 DeleteOneModel 示意至少删除一条匹配条件的记录，DeleteManyModel 示意删除匹配条件的所有记录。为了避免一次删除多条记录，这里应用 DeleteOneModel，保障一个操作只删除一条记录。当然这里不可能匹配多条记录，因为_id 是惟一的。
public void bulkWriteDelete(List<Document> documents){List<WriteModel<Document>> requests = new ArrayList<WriteModel<Document>>();
for (Document document : documents) {
// 删除条件
Document queryDocument = new Document("_id",document.get("_id"));
// 结构删除单个文档的操作模型，DeleteOneModel<Document> dom = new DeleteOneModel<Document>(queryDocument);
requests.add(dom);
}
BulkWriteResult bulkWriteResult = collection.bulkWrite(requests);
System.out.println(bulkWriteResult.toString());
}测试：10 万条数据
System.out.println("开始删除数据。。。");
long startDelete = System.currentTimeMillis();
instance.bulkWriteDelete(documents);
System.out.println("删除数据实现，共耗时："+(System.currentTimeMillis() - startDelete)+"毫秒");后果：2251 毫秒
(2)、逐条删除
来看看在非批量下的删除
public void deleteOneByOne(List<Document> documents){for (Document document : documents) {Document queryDocument = new Document("_id",document.get("_id"));
DeleteResult deleteResult = collection.deleteOne(queryDocument);
}
}测试：10 万条数据
System.out.println("开始删除数据。。。");
long startDelete = System.currentTimeMillis();
instance.deleteOneByOne(documents);
System.out.println("删除数据实现，共耗时："+(System.currentTimeMillis() - startDelete)+"毫秒");后果：12765 毫秒，比批量删除效率低很多
3、更新操作
(1)、批量更新
再来看看批量更新，分 UpdateOneModel 和 UpdateManyModel 两种，区别是前者更新匹配条件的一条记录，后者更新匹配条件的所有记录。对于 ReplaceOneModel，示意替换操作，这里也归为更新，当初以 UpdateOneModel 为例进行解说。UpdateOneModel 构造方法接管 3 个参数，第一个是查问条件，第二个参数是要更新的内容，第三个参数是可选的 UpdateOptions，不填也会主动帮你 new 一个，代表批量更新操作未匹配到查问条件时的动作，它的 upser 属性值默认 false，什么都不干，true 时示意将一个新的 Document 插入数据库，这个新的 Document 是查问 Document 和更新 Document 的联合，但如果是替换操作，这个新的 Document 就是这个替换 Document。
这里会有个纳闷：这和匹配到查问条件后执行替换操作后果不一样吗? 区别在于_id 字段，未匹配查问条件时插入的新的 Document 的_id 是新的，而胜利执行替换操作，_id 是原先旧的。
public void bulkWriteUpdate(List<Document> documents){List<WriteModel<Document>> requests = new ArrayList<WriteModel<Document>>();
for (Document document : documents) {
// 更新条件
Document queryDocument = new Document("_id",document.get("_id"));
// 更新内容，改下书的价格
Document updateDocument = new Document("$set",new Document("price","30.6"));
// 结构更新单个文档的操作模型
UpdateOneModel<Document> uom = new UpdateOneModel<Document>(queryDocument,updateDocument,new UpdateOptions().upsert(false));
//UpdateOptions 代表批量更新操作未匹配到查问条件时的动作，默认 false，什么都不干，true 时示意将一个新的 Document 插入数据库，他是查问局部和更新局部的联合
requests.add(uom);
}
BulkWriteResult bulkWriteResult = collection.bulkWrite(requests);
System.out.println(bulkWriteResult.toString());
}测试：10 万条数据
System.out.println("开始更新数据。。。");
long startUpdate = System.currentTimeMillis();
instance.bulkWriteUpdate(documents);
System.out.println("更新数据实现，共耗时："+(System.currentTimeMillis() - startUpdate)+"毫秒");后果：3198 毫秒
(2)、逐条更新
比照非批量下的更新
public void updateOneByOne(List<Document> documents){for (Document document : documents) {Document queryDocument = new Document("_id",document.get("_id"));
Document updateDocument = new Document("$set",new Document("price","30.6"));
UpdateResult UpdateResult = collection.updateOne(queryDocument, updateDocument);
}
}测试：10 万条数据
System.out.println("开始更新数据。。。");
long startUpdate = System.currentTimeMillis();
instance.updateOneByOne(documents);
System.out.println("更新数据实现，共耗时："+(System.currentTimeMillis() - startUpdate)+"毫秒");后果：13979 毫秒，比批量更新效率低很多
4、混合批量操作
bulkWrite()办法能够对不同类型的写操作进行批量解决，代码如下：
public void bulkWriteMix(){List<WriteModel<Document>> requests = new ArrayList<WriteModel<Document>>();
InsertOneModel<Document> iom = new InsertOneModel<Document>(new Document("name","kobe"));
UpdateManyModel<Document> umm = new UpdateManyModel<Document>(new Document("name","kobe"),
new Document("$set",new Document("name","James")),new UpdateOptions().upsert(true));
DeleteManyModel<Document> dmm = new DeleteManyModel<Document>(new Document("name","James"));
requests.add(iom);
requests.add(umm);
requests.add(dmm);
BulkWriteResult bulkWriteResult = collection.bulkWrite(requests);
System.out.println(bulkWriteResult.toString());
}
留神：updateMany()、deleteMany()两个办法和 insertMany()不同，它俩不是批量操作，而是代表更新 (删除) 匹配条件的所有数据。
二、与 MySQL 性能比照
1、插入操作
(1)、批处理插入
与 MongoDB 一样，也是插入 Product 实体对象，代码如下
public void insertBatch(ArrayList<Product> list) throws Exception{Connection conn = DBUtil.getConnection();
try {PreparedStatement pst = conn.prepareStatement("insert into t_product value(?,?,?,?)");
int count = 1;
for (Product product : list) {pst.setInt(1, product.getProductId());
pst.setString(2, product.getCategory());
pst.setString(3, product.getName());
pst.setDouble(4, product.getPrice());
pst.addBatch();
if(count % 1000 == 0){pst.executeBatch();
pst.clearBatch();// 每 1000 条 sql 批处理一次，而后置空 PreparedStatement 中的参数，这样也能提高效率，避免参数积攒过多事务超时，但理论测试成果不显著}
count++;
}
conn.commit();} catch (SQLException e) {e.printStackTrace();
}
DBUtil.closeConnection(conn);
}JDBC 默认主动提交事务，切记在获取连贯后增加上面一行代码，敞开事务主动提交。
connection.setAutoCommit(false);测试：10 万条数据
public static void main(String[] args) throws Exception {TestMysql test = new TestMysql();
ArrayList<Product> list = new ArrayList<Product>();
for (int i = 0; i < 1000; i++) {Product product = new Product(i, "书籍", "追风筝的人", 20.5);
list.add(product);
}
System.out.println("MYSQL 开始插入数据。。。");
long insertStart = System.currentTimeMillis();
test.insertBatch(list);
System.out.println("MYSQL 插入数据实现，共耗时："+(System.currentTimeMillis() - insertStart)+"毫秒");
}后果：7389 毫秒，屡次测试根本 7 秒左右
(2)、逐条插入
再来看看 mysql 逐条插入, 代码如下：
public void insertOneByOne(ArrayList<Product> list) throws Exception{Connection conn = DBUtil.getConnection();
try {for (Product product : list) {PreparedStatement pst = conn.prepareStatement("insert into t_product value(?,?,?,?)");
pst.setInt(1, product.getProductId());
pst.setString(2, product.getCategory());
pst.setString(3, product.getName());
pst.setDouble(4, product.getPrice());
pst.executeUpdate();
//conn.commit();// 加上这句每次插入都提交事务，后果将是十分耗时}
conn.commit();} catch (SQLException e) {e.printStackTrace();
}
DBUtil.closeConnection(conn);
}测试：10 万条记录
System.out.println("MYSQL 开始插入数据。。。");
long insertStart = System.currentTimeMillis();
test.insertOneByOne(list);
System.out.println("MYSQL 插入数据实现，共耗时："+(System.currentTimeMillis() - insertStart)+"毫秒");后果：8921 毫秒，根本比批量慢 1 秒多。
2、删除操作
(1)、批处理删除
删除的 where 条件是 productId，这里在建表的时候没有增加主键，删除异常的慢，查了半天不晓得什么起因。切记增加主键，主键默认有索引，所有能更快匹配到记录。
public void deleteBatch(ArrayList<Product> list) throws Exception{Connection conn = DBUtil.getConnection();
try {PreparedStatement pst = conn.prepareStatement("delete from t_product where id = ?");// 按主键查，否则全表遍历很慢
int count = 1;
for (Product product : list) {pst.setInt(1, product.getProductId());
pst.addBatch();
if(count % 1000 == 0){pst.executeBatch();
pst.clearBatch();}
count++;
}
conn.commit();} catch (SQLException e) {e.printStackTrace();
}
DBUtil.closeConnection(conn);
}测试：10 万条数据
System.out.println("MYSQL 开始删除数据。。。");
long deleteStart = System.currentTimeMillis();
test.deleteBatch(list);
System.out.println("MYSQL 删除数据实现，共耗时："+(System.currentTimeMillis() - deleteStart)+"毫秒");后果：7936 毫秒
(2)、逐条删除
代码如下
public void deleteOneByOne(ArrayList<Product> list) throws Exception{Connection conn = DBUtil.getConnection();
PreparedStatement pst = null;
try {for (Product product : list) {pst = conn.prepareStatement("delete from t_product where id = ?");
pst.setInt(1, product.getProductId());
pst.executeUpdate();
//conn.commit();// 加上这句每次插入都提交事务，后果将是十分耗时}
conn.commit();} catch (SQLException e) {e.printStackTrace();
}
DBUtil.closeConnection(conn);
}测试：10 万条数据
System.out.println("MYSQL 开始删除数据。。。");
long deleteStart = System.currentTimeMillis();
test.deleteOneByOne(list);
System.out.println("MYSQL 删除数据实现，共耗时："+(System.currentTimeMillis() - deleteStart)+"毫秒");后果：8752 毫秒，比批处理删除慢一秒左右
3、更新操作
(1)、批处理更新
代码如下
public void updateBatch(ArrayList<Product> list) throws Exception{Connection conn = DBUtil.getConnection();
try {PreparedStatement pst = conn.prepareStatement("update t_product set price=31.5 where id=?");
int count = 1;
for (Product product : list) {pst.setInt(1, product.getProductId());
pst.addBatch();
if(count % 1000 == 0){pst.executeBatch();
pst.clearBatch();// 每 1000 条 sql 批处理一次，而后置空 PreparedStatement 中的参数，这样也能提高效率，避免参数积攒过多事务超时，但理论测试成果不显著}
count++;
}
conn.commit();} catch (SQLException e) {e.printStackTrace();
}
DBUtil.closeConnection(conn);
}测试：10 万条数据
System.out.println("MYSQL 开始更新数据。。。");
long updateStart = System.currentTimeMillis();
test.updateBatch(list);
System.out.println("MYSQL 更新数据实现，共耗时："+(System.currentTimeMillis() - updateStart)+"毫秒");后果：8611 毫秒
(2)、逐条更新
代码如下
public void updateOneByOne(ArrayList<Product> list) throws Exception{Connection conn = DBUtil.getConnection();
try {for (Product product : list) {PreparedStatement pst = conn.prepareStatement("update t_product set price=30.5 where id=?");
pst.setInt(1, product.getProductId());
pst.executeUpdate();
//conn.commit();// 加上这句每次插入都提交事务，后果将是十分耗时}
conn.commit();} catch (SQLException e) {e.printStackTrace();
}
DBUtil.closeConnection(conn);
}测试：10 万条数据
System.out.println("MYSQL 开始更新数据。。。");
long updateStart = System.currentTimeMillis();
test.updateOneByOne(list);
System.out.println("MYSQL 更新数据实现，共耗时："+(System.currentTimeMillis() - updateStart)+"毫秒");后果：9430 毫秒，比批处理更新慢了 1 秒左右
三、总结
本文次要是为了介绍 bulkWrite()办法的应用，也就是 MongoDB 的批量写操作，通过试验能够看出 MongoDB 应用 bulkWrite()办法进行大量数据的写操作比应用惯例的办法进行写操作效率要高很多。文章也介绍了 mysql 几种写操作下批量和非批量的比照，能够看出他们批处理形式比非批处理快点，但没有 MongoDB 那么显著。
对于 MongoDB 与 mysql 的比拟，批量操作下，MongoDB 插入、删除、更新都比 mysql 快，非批量操作下，MongoDB 插入、删除、更新都比 mysql 慢。当然只是一个初略的论断，文中并没有进行 100 条、1000 条、10000 条或更大的这样不同的数据比照，以及 CPU 内存应用状况进行监测，有趣味的能够尝试下。
