如何在十几秒内高效实现几十万条数据的快速插入

本文主要讲述通过MyBatis、JDBC等做大数据量数据插入的案例和结果。

30万条数据插入插入数据库验证
实体类、mapper和配置文件定义
User实体
mapper接口
mapper.xml文件
jdbc.properties
sqlMapConfig.xml
不分批次直接梭哈
循环逐条插入
MyBatis实现插入30万条数据
JDBC实现插入30万条数据
总结
验证的数据库表结构如下:

CREATE TABLE t_user (
id int(11) NOT NULL AUTO_INCREMENT COMMENT ‘用户id’,
username varchar(64) DEFAULT NULL COMMENT ‘用户名称’,
age int(4) DEFAULT NULL COMMENT ‘年龄’,
PRIMARY KEY (id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT=‘用户信息表’;
话不多说,开整!

实体类、mapper和配置文件定义
User实体

/**

  • 用户实体

  • @Author zjq
    */
    @Data
    public class User {

    private int id;
    private String username;
    private int age;

}
mapper接口

public interface UserMapper {

/**  
 * 批量插入用户  
 * @param userList  
 */  
void batchInsertUser(@Param("list") List userList);  

}
mapper.xml文件

insert into t_user(username,age) values ( #{item.username}, #{item.age} ) jdbc.properties

jdbc.driver=com.mysql.jdbc.Driver
jdbc.url=jdbc:mysql://localhost:3306/test
jdbc.username=root
jdbc.password=root
sqlMapConfig.xml

  
  


  
  
      
  


  
  
      
          
          
              
              
              
              
          
      
  


  
  
      
  
不分批次直接梭哈 MyBatis直接一次性批量插入30万条,代码如下:

@Test
public void testBatchInsertUser() throws IOException {
InputStream resourceAsStream =
Resources.getResourceAsStream(“sqlMapConfig.xml”);
SqlSessionFactory sqlSessionFactory = new SqlSessionFactoryBuilder().build(resourceAsStream);
SqlSession session = sqlSessionFactory.openSession();
System.out.println(“===== 开始插入数据 =====”);
long startTime = System.currentTimeMillis();
try {
List userList = new ArrayList<>();
for (int i = 1; i <= 300000; i++) {
User user = new User();
user.setId(i);
user.setUsername("共饮一杯无 " + i);
user.setAge((int) (Math.random() * 100));
userList.add(user);
}
session.insert(“batchInsertUser”, userList); // 最后插入剩余的数据
session.commit();

    long spendTime = System.currentTimeMillis()-startTime;  
    System.out.println("成功插入 30 万条数据,耗时:"+spendTime+"毫秒");  
} finally {  
    session.close();  
}  

}
可以看到控制台输出:


Cause: com.mysql.jdbc.PacketTooBigException: Packet for query is too large (27759038 >yun 4194304). You can change this value on the server by setting the max_allowed_packet’ variable.


图片
超出最大数据包限制了,可以通过调整max_allowed_packet限制来提高可以传输的内容,不过由于30万条数据超出太多,这个不可取,梭哈看来是不行了

既然梭哈不行那我们就一条一条循环着插入行不行呢

循环逐条插入
mapper接口和mapper文件中新增单个用户新增的内容如下:

/**

  • 新增单个用户
  • @param user
    */
    void insertUser(User user);
insert into t_user(username,age) values ( #{username}, #{age} ) 调整执行代码如下:

@Test
public void testCirculateInsertUser() throws IOException {
InputStream resourceAsStream =
Resources.getResourceAsStream(“sqlMapConfig.xml”);
SqlSessionFactory sqlSessionFactory = new SqlSessionFactoryBuilder().build(resourceAsStream);
SqlSession session = sqlSessionFactory.openSession();
System.out.println(“===== 开始插入数据 =====”);
long startTime = System.currentTimeMillis();
try {
for (int i = 1; i <= 300000; i++) {
User user = new User();
user.setId(i);
user.setUsername("共饮一杯无 " + i);
user.setAge((int) (Math.random() * 100));
// 一条一条新增
session.insert(“insertUser”, user);
session.commit();
}

    long spendTime = System.currentTimeMillis()-startTime;  
    System.out.println("成功插入 30 万条数据,耗时:"+spendTime+"毫秒");  
} finally {  
    session.close();  
}  

}
执行后可以发现磁盘IO占比飙升,一直处于高位。

图片
等啊等等啊等,好久还没执行完

图片
先不管他了太慢了先搞其他的,等会再来看看结果吧。

two thousand year later …

控制台输出如下:

图片
总共执行了14909367毫秒,换算出来是4小时八分钟。太慢了。。

图片
还是优化下之前的批处理方案吧

MyBatis实现插入30万条数据
先清理表数据,然后优化批处理执行插入:

– 清空用户表
TRUNCATE table t_user;
以下是通过 MyBatis 实现 30 万条数据插入代码实现:

/**

  • 分批次批量插入

  • @throws IOException
    */
    @Test
    public void testBatchInsertUser() throws IOException {
    InputStream resourceAsStream =
    Resources.getResourceAsStream(“sqlMapConfig.xml”);
    SqlSessionFactory sqlSessionFactory = new SqlSessionFactoryBuilder().build(resourceAsStream);
    SqlSession session = sqlSessionFactory.openSession();
    System.out.println(“===== 开始插入数据 =====”);
    long startTime = System.currentTimeMillis();
    int waitTime = 10;
    try {
    List userList = new ArrayList<>();
    for (int i = 1; i <= 300000; i++) {
    User user = new User();
    user.setId(i);
    user.setUsername("共饮一杯无 " + i);
    user.setAge((int) (Math.random() * 100));
    userList.add(user);
    if (i % 1000 == 0) {
    session.insert(“batchInsertUser”, userList);
    // 每 1000 条数据提交一次事务
    session.commit();
    userList.clear();

             // 等待一段时间  
             Thread.sleep(waitTime * 1000);  
         }  
     }  
     // 最后插入剩余的数据  
     if(!CollectionUtils.isEmpty(userList)) {  
         session.insert("batchInsertUser", userList);  
         session.commit();  
     }  
    
     long spendTime = System.currentTimeMillis()-startTime;  
     System.out.println("成功插入 30 万条数据,耗时:"+spendTime+"毫秒");  
    

    } catch (Exception e) {
    e.printStackTrace();
    } finally {
    session.close();
    }
    }
    使用了 MyBatis 的批处理操作,将每 1000 条数据放在一个批次中插入,能够较为有效地提高插入速度。同时请注意在循环插入时要带有合适的等待时间和批处理大小,以防止出现内存占用过高等问题。此外,还需要在配置文件中设置合理的连接池和数据库的参数,以获得更好的性能。

图片
在上面的示例中,我们每插入1000行数据就进行一次批处理提交,并等待10秒钟。这有助于控制内存占用,并确保插入操作平稳进行。

图片
五十分钟执行完毕,时间主要用在了等待上。

如果低谷时期执行,CPU和磁盘性能又足够的情况下,直接批处理不等待执行:

/**

  • 分批次批量插入

  • @throws IOException
    */
    @Test
    public void testBatchInsertUser() throws IOException {
    InputStream resourceAsStream =
    Resources.getResourceAsStream(“sqlMapConfig.xml”);
    SqlSessionFactory sqlSessionFactory = new SqlSessionFactoryBuilder().build(resourceAsStream);
    SqlSession session = sqlSessionFactory.openSession();
    System.out.println(“===== 开始插入数据 =====”);
    long startTime = System.currentTimeMillis();
    int waitTime = 10;
    try {
    List userList = new ArrayList<>();
    for (int i = 1; i <= 300000; i++) {
    User user = new User();
    user.setId(i);
    user.setUsername("共饮一杯无 " + i);
    user.setAge((int) (Math.random() * 100));
    userList.add(user);
    if (i % 1000 == 0) {
    session.insert(“batchInsertUser”, userList);
    // 每 1000 条数据提交一次事务
    session.commit();
    userList.clear();
    }
    }
    // 最后插入剩余的数据
    if(!CollectionUtils.isEmpty(userList)) {
    session.insert(“batchInsertUser”, userList);
    session.commit();
    }

     long spendTime = System.currentTimeMillis()-startTime;  
     System.out.println("成功插入 30 万条数据,耗时:"+spendTime+"毫秒");  
    

    } catch (Exception e) {
    e.printStackTrace();
    } finally {
    session.close();
    }
    }
    则24秒可以完成数据插入操作:

图片
图片
可以看到短时CPU和磁盘占用会飙高。

把批处理的量再调大一些调到5000,在执行:

图片
13秒插入成功30万条,直接芜湖起飞

JDBC实现插入30万条数据
JDBC循环插入的话跟上面的mybatis逐条插入类似,不再赘述。

以下是 Java 使用 JDBC 批处理实现 30 万条数据插入的示例代码。请注意,该代码仅提供思路,具体实现需根据实际情况进行修改。

/**

  • JDBC分批次批量插入

  • @throws IOException
    */
    @Test
    public void testJDBCBatchInsertUser() throws IOException {
    Connection connection = null;
    PreparedStatement preparedStatement = null;

    String databaseURL = “jdbc:mysql://localhost:3306/test”;
    String user = “root”;
    String password = “root”;

    try {
    connection = DriverManager.getConnection(databaseURL, user, password);
    // 关闭自动提交事务,改为手动提交
    connection.setAutoCommit(false);
    System.out.println(“===== 开始插入数据 =====”);
    long startTime = System.currentTimeMillis();
    String sqlInsert = “INSERT INTO t_user ( username, age) VALUES ( ?, ?)”;
    preparedStatement = connection.prepareStatement(sqlInsert);

     Random random = new Random();  
     for (int i = 1; i <= 300000; i++) {  
         preparedStatement.setString(1, "共饮一杯无 " + i);  
         preparedStatement.setInt(2, random.nextInt(100));  
         // 添加到批处理中  
         preparedStatement.addBatch();  
    
         if (i % 1000 == 0) {  
             // 每1000条数据提交一次  
             preparedStatement.executeBatch();  
             connection.commit();  
             System.out.println("成功插入第 "+ i+" 条数据");  
         }  
    
     }  
     // 处理剩余的数据  
     preparedStatement.executeBatch();  
     connection.commit();  
     long spendTime = System.currentTimeMillis()-startTime;  
     System.out.println("成功插入 30 万条数据,耗时:"+spendTime+"毫秒");  
    

    } catch (SQLException e) {
    System.out.println("Error: " + e.getMessage());
    } finally {
    if (preparedStatement != null) {
    try {
    preparedStatement.close();
    } catch (SQLException e) {
    e.printStackTrace();
    }
    }

     if (connection != null) {  
         try {  
             connection.close();  
         } catch (SQLException e) {  
             e.printStackTrace();  
         }  
     }  
    

    }
    }
    图片
    图片
    上述示例代码中,我们通过 JDBC 连接 MySQL 数据库,并执行批处理操作插入数据。具体实现步骤如下:

获取数据库连接。

创建 Statement 对象。

定义 SQL 语句,使用 PreparedStatement 对象预编译 SQL 语句并设置参数。

执行批处理操作。

处理剩余的数据。

关闭 Statement 和 Connection 对象。

使用setAutoCommit(false) 来禁止自动提交事务,然后在每次批量插入之后手动提交事务。每次插入数据时都新建一个 PreparedStatement 对象以避免状态不一致问题。在插入数据的循环中,每 10000 条数据就执行一次 executeBatch() 插入数据。

另外,需要根据实际情况优化连接池和数据库的相关配置,以防止连接超时等问题。

总结
实现高效的大量数据插入需要结合以下优化策略(建议综合使用):

「1.批处理:」 批量提交SQL语句可以降低网络传输和处理开销,减少与数据库交互的次数。在Java中可以使用Statement或者PreparedStatement的addBatch()方法来添加多个SQL语句,然后一次性执行executeBatch()方法提交批处理的SQL语句。

在循环插入时带有适当的等待时间和批处理大小,从而避免内存占用过高等问题:

设置适当的批处理大小:批处理大小指在一次插入操作中插入多少行数据。如果批处理大小太小,插入操作的频率将很高,而如果批处理大小太大,可能会导致内存占用过高。通常,建议将批处理大小设置为1000-5000行,这将减少插入操作的频率并降低内存占用。

采用适当的等待时间:等待时间指在批处理操作之间等待的时间量。等待时间过短可能会导致内存占用过高,而等待时间过长则可能会延迟插入操作的速度。通常,建议将等待时间设置为几秒钟到几十秒钟之间,这将使操作变得平滑且避免出现内存占用过高等问题。

可以考虑使用一些内存优化的技巧,例如使用内存数据库或使用游标方式插入数据,以减少内存占用。

总的来说,选择适当的批处理大小和等待时间可以帮助您平稳地进行插入操作,避免出现内存占用过高等问题。

「2.索引:」 在大量数据插入前暂时去掉索引,最后再打上,这样可以大大减少写入时候的更新索引的时间。

「3.数据库连接池:」 使用数据库连接池可以减少数据库连接建立和关闭的开销,提高性能。在没有使用数据库连接池的情况,记得在finally中关闭相关连接。

数据库参数调整:增加MySQL数据库缓冲区大小、配置高性能的磁盘和I/O等。

你可能感兴趣的:(python,flask,pygame,virtualenv)