批处理数据主要有三种方式：
- 反复执行单条插入语句
- foreach 拼接 sql
- 批处理
一、前期准备
基于Spring Boot + Mysql，同时为了省略get/set，使用了lombok，详见pom.xml。
1.1 表结构
id 使用数据库自增。
DROP TABLE IF EXISTS `user_info_batch`;
CREATE TABLE `user_info_batch` (
`id` bigint(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '主键id',
`user_name` varchar(100) NOT NULL COMMENT '账户名称',
`pass_word` varchar(100) NOT NULL COMMENT '登录密码',
`nick_name` varchar(30) NOT NULL COMMENT '昵称',
`mobile` varchar(30) NOT NULL COMMENT '手机号',
`email` varchar(100) DEFAULT NULL COMMENT '邮箱地址',
`gmt_create` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
`gmt_update` timestamp NULL DEFAULT NULL COMMENT '更新时间',
PRIMARY KEY (`id`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 ROW_FORMAT=DYNAMIC COMMENT 'Mybatis Batch';
1.2 项目配置文件
细心的你可能已经发现，数据库url 后面跟了一段 rewriteBatchedStatements=true，有什么用呢？先不急，后面会介绍。
# 数据库配置
spring:
datasource:
url: jdbc:mysql://47.111.118.152:3306/mybatis?rewriteBatchedStatements=true
username: mybatis
password: password
driver-class-name: com.mysql.cj.jdbc.Driver
# mybatis
mybatis:
mapper-locations: classpath:mapper/*.xml
type-aliases-package: cn.van.mybatis.batch.entity
1.3 实体类
@Data
@Accessors(chain = true)
public class UserInfoBatchDO implements Serializable {
private Long id;
private String userName;
private String passWord;
private String nickName;
private String mobile;
private String email;
private LocalDateTime gmtCreate;
private LocalDateTime gmtUpdate;
}
1.4 UserInfoBatchMapper
public interface UserInfoBatchMapper {
/** 单条插入
* @param info
* @return
*/
int insert(UserInfoBatchDO info);
/**
* foreach 插入
* @param list
* @return
*/
int batchInsert(List list);
}
1.5 UserInfoBatchMapper.xml
insert into user_info_batch (user_name, pass_word, nick_name, mobile, email, gmt_create, gmt_update)
values (#{userName,jdbcType=VARCHAR}, #{passWord,jdbcType=VARCHAR},#{nickName,jdbcType=VARCHAR}, #{mobile,jdbcType=VARCHAR}, #{email,jdbcType=VARCHAR}, #{gmtCreate,jdbcType=TIMESTAMP}, #{gmtUpdate,jdbcType=TIMESTAMP})
insert into user_info_batch (user_name, pass_word, nick_name, mobile, email, gmt_create, gmt_update)
values
(#{item.userName,jdbcType=VARCHAR}, #{item.passWord,jdbcType=VARCHAR}, #{item.nickName,jdbcType=VARCHAR}, #{item.mobile,jdbcType=VARCHAR}, #{item.email,jdbcType=VARCHAR}, #{item.gmtCreate,jdbcType=TIMESTAMP}, #{item.gmtUpdate,jdbcType=TIMESTAMP})
1.6 预备数据
为了方便测试，抽离了几个变量，并进行提前加载。
private List list = new ArrayList<>();
private List lessList = new ArrayList<>();
private List lageList = new ArrayList<>();
private List warmList = new ArrayList<>();
// 计数工具
private StopWatch sw = new StopWatch(); 为了方便组装数据，抽出了一个公共方法。
private List assemblyData(int count){
List list = new ArrayList<>();
UserInfoBatchDO userInfoDO;
for (int i = 0;i < count;i++){
userInfoDO = new UserInfoBatchDO()
.setUserName("Van")
.setNickName("风尘博客")
.setMobile("17098705205")
.setPassWord("password")
.setGmtUpdate(LocalDateTime.now());
list.add(userInfoDO);
}
return list;
}
- 预热数据
@Before
public void assemblyData() {
list = assemblyData(200000);
lessList = assemblyData(2000);
lageList = assemblyData(1000000);
warmList = assemblyData(5);
}二、反复执行单条插入语句
可能‘懒’的程序员会这么做，很简单，直接在原先单条insert语句上嵌套一个for循环。
2.1 对应 mapper 接口
int insert(UserInfoBatchDO info);
2.2 测试方法
因为这种方法太慢，所以数据降低到 2000 条
@Test
public void insert() {
log.info("【程序热身】");
for (UserInfoBatchDO userInfoBatchDO : warmList) {
userInfoBatchMapper.insert(userInfoBatchDO);
}
log.info("【热身结束】");
sw.start("反复执行单条插入语句");
// 这里插入 20w 条太慢了，所以我只插入了 2000 条
for (UserInfoBatchDO userInfoBatchDO : lessList) {
userInfoBatchMapper.insert(userInfoBatchDO);
}
sw.stop();
log.info("all cost info:{}",sw.prettyPrint());
}
2.3 执行时间
- 第一次
-----------------------------------------
ms % Task name
-----------------------------------------
59887 100% 反复执行单条插入语句
- 第二次
-----------------------------------------
ms % Task name
-----------------------------------------
64853 100% 反复执行单条插入语句- 第三次
-----------------------------------------
ms % Task name
-----------------------------------------
58235 100% 反复执行单条插入语句该方式插入2000 条数据，执行三次的平均时间：60991 ms。
三、foreach 拼接SQL
3.1 对应mapper 接口
int batchInsert(List list);
3.2 测试方法
该方式和下一种方式都采用20w条数据测试。
@Test
public void batchInsert() {
log.info("【程序热身】");
for (UserInfoBatchDO userInfoBatchDO : warmList) {
userInfoBatchMapper.insert(userInfoBatchDO);
}
log.info("【热身结束】");
sw.start("foreach 拼接 sql");
userInfoBatchMapper.batchInsert(list);
sw.stop();
log.info("all cost info:{}",sw.prettyPrint());
}
3.3 执行时间
- 第一次
-----------------------------------------
ms % Task name
-----------------------------------------
18835 100% foreach 拼接 sql
- 第二次
-----------------------------------------
ms % Task name
-----------------------------------------
17895 100% foreach 拼接 sql
- 第三次
-----------------------------------------
ms % Task name
-----------------------------------------
19827 100% foreach 拼接 sql该方式插入20w 条数据，执行三次的平均时间：18852 ms。
四、批处理
该方式 mapper 和xml 复用了 2.1。
4.1 rewriteBatchedStatements 参数
我在测试一开始，发现改成 Mybatis Batch提交的方法都不起作用，实际上在插入的时候仍然是一条条记录的插，而且速度远不如原来 foreach 拼接SQL的方法，这是非常不科学的。
后来才发现要批量执行的话，连接URL字符串中需要新增一个参数：rewriteBatchedStatements=true
- rewriteBatchedStatements参数介绍
MySql的JDBC连接的url中要加rewriteBatchedStatements参数，并保证5.1.13以上版本的驱动，才能实现高性能的批量插入。MySql JDBC驱动在默认情况下会无视executeBatch()语句，把我们期望批量执行的一组sql语句拆散，一条一条地发给MySql数据库，批量插入实际上是单条插入，直接造成较低的性能。只有把rewriteBatchedStatements参数置为true, 驱动才会帮你批量执行SQL。这个选项对INSERT/UPDATE/DELETE都有效。
4.2 批处理准备
- 手动注入 SqlSessionFactory
@Resource
private SqlSessionFactory sqlSessionFactory;- 测试代码
@Test
public void processInsert() {
log.info("【程序热身】");
for (UserInfoBatchDO userInfoBatchDO : warmList) {
userInfoBatchMapper.insert(userInfoBatchDO);
}
log.info("【热身结束】");
sw.start("批处理执行 插入");
// 打开批处理
SqlSession session = sqlSessionFactory.openSession(ExecutorType.BATCH);
UserInfoBatchMapper mapper = session.getMapper(UserInfoBatchMapper.class);
for (int i = 0,length = list.size(); i < length; i++) {
mapper.insert(list.get(i));
//每20000条提交一次防止内存溢出
if(i%20000==19999){
session.commit();
session.clearCache();
}
}
session.commit();
session.clearCache();
sw.stop();
log.info("all cost info:{}",sw.prettyPrint());
}
4.3 执行时间
- 第一次
-----------------------------------------
ms % Task name
-----------------------------------------
09346 100% 批处理执行 插入- 第二次
-----------------------------------------
ms % Task name
-----------------------------------------
08890 100% 批处理执行 插入
- 第三次
-----------------------------------------
ms % Task name
-----------------------------------------
09042 100% 批处理执行 插入
该方式插入20w 条数据，执行三次的平均时间：9092 ms。
4.4 如果数据更大
当我把数据扩大到 100w 时，foreach 拼接 sql 的方式已经无法完成插入了，所以我只能测试批处理的插入时间。
测试时，仅需将 【4.2】测试代码中的 list 切成 lageList 测试即可。
- 第一次
-----------------------------------------
ms % Task name
-----------------------------------------
32419 100% 批处理执行 插入- 第二次
-----------------------------------------
ms % Task name
-----------------------------------------
31935 100% 批处理执行 插入- 第三次
-----------------------------------------
ms % Task name
-----------------------------------------
33048 100% 批处理执行 插入
该方式插入100w 条数据，执行三次的平均时间：32467 ms。
五、总结
批量插入方式 | 数据量 | 执行三次的平均时间 |
循环插入单条数据 | 2000 | 60991 ms |
foreach 拼接sql | 20w | 18852 ms |
批处理 | 20w | 9092 ms |
批处理 | 100w | 32467 ms |
- 循环插入单条数据虽然效率极低，但是代码量极少，数据量较小时可以使用，但是数据量较大禁止使用，效率太低了；
- foreach 拼接sql的方式，使用时有大段的xml和sql语句要写，很容易出错，虽然效率尚可，但是真正应对大量数据的时候，依旧无法使用，所以不推荐使用；
- 批处理执行是有大数据量插入时推荐的做法，使用起来也比较方便。
