最近的項目需要導入大量的數據,插入的過程中還需要邊查詢邊插入。插入的數據量在100w左右。一開始覺得100w的數據量不大,於是就插啊插,吃了個飯,回來一看,在插入了50多w條數據後,每秒就只能插10條了。。覺得很奇怪,爲啥越插越慢呢? 於是就開始分析插入的時間損耗,想到了如下的解決方案:(mysql使用的INNODB引擎)
1.分析是否是由主碼,外碼,索引造成的插入效率降低
主碼:由於主碼是每張表必須有的,不能刪除。而mysql會對主碼自動建立一個索引,這個索引默認是Btree索引,因此每次插入數據要額外的對Btree進行一次插入。這個額外的插入時間複雜度約爲log(n)。這個索引無法刪除,因此無法優化。但是每次插入的時候,由於主碼約束需要檢查主碼是否出現,這又需要log(n),能否減少這個開銷呢?答案是肯定的。我們可以設置主碼爲自增id AUTO_INCREMENT ,這樣數據庫裏會自動記錄當前的自增值,保證不會插入重複的主碼,也就避免了主碼的重複性檢查。
外碼:由於我的項目的插入表中存在外碼,因此每次插入時需要在另一張表檢測外碼存在性。這個約束是與業務邏輯相關的,不能隨便刪除。並且這個時間開銷應當是與另一張表大小成正比的常數,不應當越插入越慢纔對。所以排除。
索引:爲了減少Btree插入的時間損耗,我們可以在建表時先不建索引,先將所有的數據插入。之後我們再向表裏添加索引。該方法確實也降低了時間的開銷。
經過以上的折騰,再進行測試,發現速度快了一點,但是到了50w條後又開始慢了。看來問題的關鍵不在這裏。於是繼續查資料,又發現了個關鍵問題:
2.將單條插入改爲批量插入(參考:點擊打開鏈接)
由於java中的executeUpdate(sql)方法只是執行一條sql操作,就需要調用sql裏的各種資源,如果使用for循環不停的執行這個方法來插入,無疑是開銷很大的。因此,在mysql提供了一種解決方案:批量插入。 也就是每次的一條sql不直接提交,而是先存在批任務集中,當任務集的大小到了指定閾值後,再將這些sql一起發送至mysql端。在100w的數據規模中,我將閾值設置爲10000,即一次提交10000條sql。最後的結果挺好,插入的速度比之前快了20倍左右。批量插入代碼如下:
public static void insertRelease() {
Long begin = new Date().getTime();
String sql = "INSERT INTO tb_big_data (count, create_time, random) VALUES (?, SYSDATE(), ?)";
try {
conn.setAutoCommit(false);
PreparedStatement pst = conn.prepareStatement(sql);
for (int i = 1; i <= 100; i++) {
for (int k = 1; k <= 10000; k++) {
pst.setLong(1, k * i);
pst.setLong(2, k * i);
pst.addBatch();
}
pst.executeBatch();
conn.commit();
}
pst.close();
conn.close();
} catch (SQLException e) {
e.printStackTrace();
}
Long end = new Date().getTime();
System.out.println("cast : " + (end - begin) / 1000 + " ms");
}
3.一條UPDATE語句的VALUES後面跟上多條的(?,?,?,?)
這個方法一開始我覺得和上面的差不多,但是在看了別人做的實驗後,發現利用這個方法改進上面的批量插入,速度能快5倍。後來發現,mysql的導出sql文件中,那些插入語句也是這樣寫的。。即UPDATE table_name (a1,a2) VALUES (xx,xx),(xx,xx),(xx,xx)... 。也就是我們需要在後臺自己進行一個字符串的拼接,注意由於字符串只是不停的往末尾插入,用StringBuffer能夠更快的插入。下面是代碼:
public static void insert() {
// 開時時間
Long begin = new Date().getTime();
// sql前綴
String prefix = "INSERT INTO tb_big_data (count, create_time, random) VALUES ";
try {
// 保存sql後綴
StringBuffer suffix = new StringBuffer();
// 設置事務爲非自動提交
conn.setAutoCommit(false);
// Statement st = conn.createStatement();
// 比起st,pst會更好些
PreparedStatement pst = conn.prepareStatement("");
// 外層循環,總提交事務次數
for (int i = 1; i <= 100; i++) {
// 第次提交步長
for (int j = 1; j <= 10000; j++) {
// 構建sql後綴
suffix.append("(" + j * i + ", SYSDATE(), " + i * j
* Math.random() + "),");
}
// 構建完整sql
String sql = prefix + suffix.substring(0, suffix.length() - 1);
// 添加執行sql
pst.addBatch(sql);
// 執行操作
pst.executeBatch();
// 提交事務
conn.commit();
// 清空上一次添加的數據
suffix = new StringBuffer();
}
// 頭等連接
pst.close();
conn.close();
} catch (SQLException e) {
e.printStackTrace();
}
// 結束時間
Long end = new Date().getTime();
// 耗時
System.out.println("cast : " + (end - begin) / 1000 + " ms");
}
做了以上的優化後,我發現了一個很蛋疼的問題。雖然一開始的插入速度的確快了幾十倍,但是插入了50w條數據後,插入速度總是會一下突然變的非常慢。這種插入變慢是斷崖式的突變,於是我冥思苦想,無意中打開了系統的資源管理器,一看發現:java佔用的內存在不斷飆升。 突然腦海中想到:是不是內存溢出了?
4.及時釋放查詢結果
在我的數據庫查詢語句中,使用到了pres=con.prepareStatement(sql)來保存一個sql執行狀態,使用了resultSet=pres.executeQuery來保存查詢結果集。而在邊查邊插的過程中,我的代碼一直沒有把查詢的結果給釋放,導致其不斷的佔用內存空間。當我的插入執行到50w條左右時,我的內存空間佔滿了,於是數據庫的插入開始不以內存而以磁盤爲介質了,因此插入的速度就開始變得十分的低下。因此,我在每次使用完pres和resultSet後,加入了釋放其空間的語句:resultSet.close(); pres.close(); 。重新進行測試,果然,內存不飆升了,插入數據到50w後速度也不降低了。原來問題的本質在這裏!
這個事情折騰了一天,也學到了很多。希望這篇博客能幫助到大家!