JAVA JDBC大数据量导入Mysql

      前景:这几天研究mysql优化中查询效率时,发现测试的数据太少(10万级别),利用 EXPLAIN 比较不同的 SQL 语句,不能够得到比较有效的测评数据,大多模棱两可,不敢通过这些数据下定论。

      所以通过随机生成人的姓名、年龄、性别、电话、email、地址 ,向mysql数据库大量插入数据,便于用大量的数据测试 SQL 语句优化效率。、在生成过程中发现使用不同的方法,效率天差万别。

提示:1. 先上Mysql数据库,随机生成的人员数据图。分别是ID、姓名、性别、年龄、Email、电话、住址。下图一共三千三百万数据:** 
在数据量在亿级别时。别点下面按钮,会导致Navicat持续加载这亿级别的数据,导致电脑死机。~觉着自己电脑配置不错的可以去试试,可能会有惊喜**2、本次测评一共通过三种策略,五种情况,进行大批量数据插入测试 策略分别是: 1、Mybatis 轻量级框架插入(无事务) 2、采用JDBC直接处理(开启事务、无事务) 3、采用JDBC批处理(开启事务、无事务)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 先展示测试结果:(耗费时间)    Mybatis轻量级插入 -》 JDBC直接处理 -》 JDBC 批处理。JDBC 批处理,效率最高下面开始第一种策略测试:2.1 Mybatis 轻量级框架插入(无事务) Mybatis是一个轻量级框架,它比hibernate轻便、效率高。但是处理大批 量的数据插入操作时,需要过程中实现一个ORM的转换,本次测试存在实例,以及 未开启事务,导致mybatis效率很一般。这里实验内容是: 1、利用Spring框架生成mapper实例、创建人物实例对象 2、循环更改该实例对象属性、并插入。
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • //代码内无事务 private long begin = 33112001;//起始id private long end = begin+100000;//每次循环插入的数据量 private String url = "jdbc:mysql://localhost:3306/bigdata?useServerPrepStmts=false&rewriteBatchedStatements=true&useUnicode=true&amp;characterEncoding=UTF-8"; private String user = "root"; private String password = "0203"; @org.junit.Test public void insertBigData2() { //加载Spring,以及得到PersonMapper实例对象。这里创建的时间并不对最后结果产生很大的影响 ApplicationContext context = new ClassPathXmlApplicationContext("applicationContext.xml"); PersonMapper pMapper = (PersonMapper) context.getBean("personMapper"); //创建一个人实例 Person person = new Person(); //计开始时间 long bTime = System.currentTimeMillis(); //开始循环,循环次数500W次。 for(int i=0;i<5000000;i++) { //为person赋值 person.setId(i); person.setName(RandomValue.getChineseName()); person.setSex(RandomValue.name_sex); person.setAge(RandomValue.getNum(1, 100)); person.setEmail(RandomValue.getEmail(4,15)); person.setTel(RandomValue.getTel()); person.setAddress(RandomValue.getRoad()); //执行插入语句 pMapper.insert(person); begin++; } //计结束时间 long eTime = System.currentTimeMillis(); System.out.println("插入500W条数据耗时:"+(eTime-bTime)); }
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 本想测试插入五百万条数据,但是实际运行过程中太慢,中途不得不终止程 序。最后得到52W数据,大约耗时两首歌的时间(7~9分钟)。随后,利用mybatis向mysql插入 一万 数据。结果如下:
  • 1
  • 2
  • 3
  • 4
  • 利用mybatis插入 一万 条数据耗时:28613,即*28.6秒*

    下面开始第二种策略测试:2.2 采用JDBC直接处理(开启事务、关闭事务) 采用JDBC直接处理的策略,这里的实验内容分为开启事务、未开启事务是两种,过程均如下: 1、利用PreparedStatment预编译 2、循环,插入对应数据,并存入
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 事务对于插入数据有多大的影响呢?看下面的实验结果://该代码为开启事务 private long begin = 33112001;//起始id private long end = begin+100000;//每次循环插入的数据量 private String url = "jdbc:mysql://localhost:3306/bigdata?useServerPrepStmts=false&rewriteBatchedStatements=true&useUnicode=true&amp;characterEncoding=UTF-8"; private String user = "root"; private String password = "0203"; @org.junit.Test public void insertBigData3() { //定义连接、statement对象 Connection conn = null; PreparedStatement pstm = null; try { //加载jdbc驱动 Class.forName("com.mysql.jdbc.Driver"); //连接mysql conn = DriverManager.getConnection(url, user, password); //将自动提交关闭 conn.setAutoCommit(false); //编写sql String sql = "INSERT INTO person VALUES (?,?,?,?,?,?,?)"; //预编译sql pstm = conn.prepareStatement(sql); //开始总计时 long bTime1 = System.currentTimeMillis(); //循环10次,每次一万数据,一共10万 for(int i=0;i<10;i++) { //开启分段计时,计1W数据耗时 long bTime = System.currentTimeMillis(); //开始循环 while (begin < end) { //赋值 pstm.setLong(1, begin); pstm.setString(2, RandomValue.getChineseName()); pstm.setString(3, RandomValue.name_sex); pstm.setInt(4, RandomValue.getNum(1, 100)); pstm.setString(5, RandomValue.getEmail(4, 15)); pstm.setString(6, RandomValue.getTel()); pstm.setString(7, RandomValue.getRoad()); //执行sql pstm.execute(); begin++; } //提交事务 conn.commit(); //边界值自增10W end += 10000; //关闭分段计时 long eTime = System.currentTimeMillis(); //输出 System.out.println("成功插入1W条数据耗时:"+(eTime-bTime)); } //关闭总计时 long eTime1 = System.currentTimeMillis(); //输出 System.out.println("插入10W数据共耗时:"+(eTime1-bTime1)); } catch (SQLException e) { e.printStackTrace(); } catch (ClassNotFoundException e1) { e1.printStackTrace(); } }
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 1、我们首先利用上述代码测试无事务状态下,插入10W条数据需要耗时多少。如图:
  • 1
  • 2
  • 成功插入1W条数据耗时:21603 
    成功插入1W条数据耗时:20537 
    成功插入1W条数据耗时:20470 
    成功插入1W条数据耗时:21160 
    成功插入1W条数据耗时:23270 
    成功插入1W条数据耗时:21230 
    成功插入1W条数据耗时:20372 
    成功插入1W条数据耗时:22608 
    成功插入1W条数据耗时:20361 
    成功插入1W条数据耗时:20494 
    插入10W数据共耗时:212106

    实验结论如下:

    在未开启事务的情况下,平均每 21.2 秒插入 一万 数据。

    接着我们测试开启事务后,插入十万条数据耗时,如图:
  • 1
  • 2
  • 成功插入1W条数据耗时:4938 
    成功插入1W条数据耗时:3518 
    成功插入1W条数据耗时:3713 
    成功插入1W条数据耗时:3883 
    成功插入1W条数据耗时:3872 
    成功插入1W条数据耗时:3873 
    成功插入1W条数据耗时:3863 
    成功插入1W条数据耗时:3819 
    成功插入1W条数据耗时:3933 
    成功插入1W条数据耗时:3811 
    插入10W数据共耗时:39255

    实验结论如下:

    开启事务后,平均每 3.9 秒插入 一万 数据

    下面开始第三种策略测试:2.3 采用JDBC批处理(开启事务、无事务)

    采用JDBC批处理时需要注意一下几点:

    1、在URL连接时需要开启批处理、以及预编译 
    String url = “jdbc:mysql://localhost:3306/User?rewriteBatched 
    -Statements=true&useServerPrepStmts=false”;

    2、PreparedStatement预处理sql语句必须放在循环体外

    代码如下: private long begin = 33112001;//起始id private long end = begin+100000;//每次循环插入的数据量 private String url = "jdbc:mysql://localhost:3306/bigdata?useServerPrepStmts=false&rewriteBatchedStatements=true&useUnicode=true&amp;characterEncoding=UTF-8"; private String user = "root"; private String password = "0203"; @org.junit.Test public void insertBigData() { //定义连接、statement对象 Connection conn = null; PreparedStatement pstm = null; try { //加载jdbc驱动 Class.forName("com.mysql.jdbc.Driver"); //连接mysql conn = DriverManager.getConnection(url, user, password); //将自动提交关闭 // conn.setAutoCommit(false); //编写sql String sql = "INSERT INTO person VALUES (?,?,?,?,?,?,?)"; //预编译sql pstm = conn.prepareStatement(sql); //开始总计时 long bTime1 = System.currentTimeMillis(); //循环10次,每次十万数据,一共1000万 for(int i=0;i<10;i++) { //开启分段计时,计1W数据耗时 long bTime = System.currentTimeMillis(); //开始循环 while (begin < end) { //赋值 pstm.setLong(1, begin); pstm.setString(2, RandomValue.getChineseName()); pstm.setString(3, RandomValue.name_sex); pstm.setInt(4, RandomValue.getNum(1, 100)); pstm.setString(5, RandomValue.getEmail(4, 15)); pstm.setString(6, RandomValue.getTel()); pstm.setString(7, RandomValue.getRoad()); //添加到同一个批处理中 pstm.addBatch(); begin++; } //执行批处理 pstm.executeBatch(); // //提交事务 // conn.commit(); //边界值自增10W end += 100000; //关闭分段计时 long eTime = System.currentTimeMillis(); //输出 System.out.println("成功插入10W条数据耗时:"+(eTime-bTime)); } //关闭总计时 long eTime1 = System.currentTimeMillis(); //输出 System.out.println("插入100W数据共耗时:"+(eTime1-bTime1)); } catch (SQLException e) { e.printStackTrace(); } catch (ClassNotFoundException e1) { e1.printStackTrace(); } }
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 首先开始测试 
          无事务,每次循环插入10W条数据,循环10次,一共100W条数据。结果如下图:

    成功插入10W条数据耗时:3832 
    成功插入10W条数据耗时:1770 
    成功插入10W条数据耗时:2628 
    成功插入10W条数据耗时:2140 
    成功插入10W条数据耗时:2148 
    成功插入10W条数据耗时:1757 
    成功插入10W条数据耗时:1767 
    成功插入10W条数据耗时:1832 
    成功插入10W条数据耗时:1830 
    成功插入10W条数据耗时:2031 
    插入100W数据共耗时:21737

    实验结果:

    使用JDBC批处理,未开启事务下,平均每 2.1 秒插入 十万 条数据

    接着测试 
          开启事务,每次循环插入10W条数据,循环10次,一共100W条数据。结果如下图: 

    成功插入10W条数据耗时:3482 
    成功插入10W条数据耗时:1776 
    成功插入10W条数据耗时:1979 
    成功插入10W条数据耗时:1730 
    成功插入10W条数据耗时:1643 
    成功插入10W条数据耗时:1665 
    成功插入10W条数据耗时:1622 
    成功插入10W条数据耗时:1624 
    成功插入10W条数据耗时:1779 
    成功插入10W条数据耗时:1698 
    插入100W数据共耗时:19003

    实验结果:

    使用JDBC批处理,开启事务,平均每 1.9 秒插入 十万 条数据

    3 总结

            能够看到,在开启事务下 JDBC直接处理 和 JDBC批处理 均耗时更短。

            Mybatis 轻量级框架插入 , mybatis在我这次实验被黑的可惨了,哈哈。实际开启事务以后,差距不会这么大(差距10倍)。大家有兴趣的可以接着去测试 
            JDBC直接处理,在本次实验,开启事务和关闭事务,耗时差距5倍左右,并且这个倍数会随着数据量的增大而增大。因为在未开启事务时,更新10000条数据,就得访问数据库10000次。导致每次操作都需要操作一次数据库。 
            JDBC批处理,在本次实验,开启事务与关闭事务,耗时差距很微小(后面会增加测试,加大这个数值的差距)。但是能够看到开启事务以后,速度还是有提升。

             结论,设计到大量单条数据的插入,使用JDBC批处理和事务混合速度最快 
             实测使用批处理+事务混合插入1亿条数据耗时:174756毫秒

    提示:4、更多彩蛋

          JDBC批处理事务,开启和关闭事务,测评插入20次,一次50W数据,一共一千万数据耗时: 
          {

                1、开启事务(数据太长不全贴了)

                 插入1000W数据共耗时:197654

    >

                2、关闭事务(数据太长不全贴了)

                插入1000W数据共耗时:200540

           }

    还是没很大的差距~

    分别是:

               不用批处理,不用事务;
    
               只用批处理,不用事务;
    
               只用事务,不用批处理;
    
               既用事务,也用批处理;(很明显,这个最快,所以建议在处理大批量的数据时,同时

    相关内容推荐