(百万数据量级别)java下的mysql数据库插入越插越慢的问题解决


http://blog.csdn.net/qq547276542/article/details/75097602



最近的项目需要导入大量的数据,插入的过程中还需要边查询边插入。插入的数据量在100w左右。一开始觉得100w的数据量不大,于是就插啊插,吃了个饭,回来一看,在插入了50多w条数据后,每秒就只能插10条了。。觉得很奇怪,为啥越插越慢呢?  于是就开始分析插入的时间损耗,想到了如下的解决方案:(mysql使用的INNODB引擎


1.分析是否是由主码,外码,索引造成的插入效率降低

        主码:由于主码是每张表必须有的,不能删除。而mysql会对主码自动建立一个索引,这个索引默认是Btree索引,因此每次插入数据要额外的对Btree进行一次插入。这个额外的插入时间复杂度约为log(n)。这个索引无法删除,因此无法优化。但是每次插入的时候,由于主码约束需要检查主码是否出现,这又需要log(n),能否减少这个开销呢?答案是肯定的。我们可以设置主码为自增id  AUTO_INCREMENT ,这样数据库里会自动记录当前的自增值,保证不会插入重复的主码,也就避免了主码的重复性检查。

        外码:由于我的项目的插入表中存在外码,因此每次插入时需要在另一张表检测外码存在性。这个约束是与业务逻辑相关的,不能随便删除。并且这个时间开销应当是与另一张表大小成正比的常数,不应当越插入越慢才对。所以排除。

        索引:为了减少Btree插入的时间损耗,我们可以在建表时先不建索引,先将所有的数据插入。之后我们再向表里添加索引。该方法确实也降低了时间的开销。


        经过以上的折腾,再进行测试,发现速度快了一点,但是到了50w条后又开始慢了。看来问题的关键不在这里。于是继续查资料,又发现了个关键问题:


2.将单条插入改为批量插入(参考:点击打开链接

        由于java中的executeUpdate(sql)方法只是执行一条sql操作,就需要调用sql里的各种资源,如果使用for循环不停的执行这个方法来插入,无疑是开销很大的。因此,在mysql提供了一种解决方案:批量插入。 也就是每次的一条sql不直接提交,而是先存在批任务集中,当任务集的大小到了指定阈值后,再将这些sql一起发送至mysql端。在100w的数据规模中,我将阈值设置为10000,即一次提交10000条sql。最后的结果挺好,插入的速度比之前快了20倍左右。批量插入代码如下:

[java] view plain copy
  1. public static void insertRelease() {    
  2.         Long begin = new Date().getTime();    
  3.         String sql = "INSERT INTO tb_big_data (count, create_time, random) VALUES (?, SYSDATE(), ?)";    
  4.         try {    
  5.             conn.setAutoCommit(false);    
  6.             PreparedStatement pst = conn.prepareStatement(sql);    
  7.             for (int i = 1; i <= 100; i++) {    
  8.                 for (int k = 1; k <= 10000; k++) {    
  9.                     pst.setLong(1, k * i);    
  10.                     pst.setLong(2, k * i);    
  11.                     pst.addBatch();    
  12.                 }    
  13.                 pst.executeBatch();    
  14.                 conn.commit();    
  15.             }    
  16.             pst.close();    
  17.             conn.close();    
  18.         } catch (SQLException e) {    
  19.             e.printStackTrace();    
  20.         }    
  21.         Long end = new Date().getTime();    
  22.         System.out.println("cast : " + (end - begin) / 1000 + " ms");    
  23.     }    



3.一条UPDATE语句的VALUES后面跟上多条的(?,?,?,?)

        这个方法一开始我觉得和上面的差不多,但是在看了别人做的实验后,发现利用这个方法改进上面的批量插入,速度能快5倍。后来发现,mysql的导出sql文件中,那些插入语句也是这样写的。。即UPDATE table_name (a1,a2) VALUES (xx,xx),(xx,xx),(xx,xx)... 。也就是我们需要在后台自己进行一个字符串的拼接,注意由于字符串只是不停的往末尾插入,用StringBuffer能够更快的插入。下面是代码:

[java] view plain copy
  1. public static void insert() {    
  2.         // 开时时间    
  3.         Long begin = new Date().getTime();    
  4.         // sql前缀    
  5.         String prefix = "INSERT INTO tb_big_data (count, create_time, random) VALUES ";    
  6.         try {    
  7.             // 保存sql后缀    
  8.             StringBuffer suffix = new StringBuffer();    
  9.             // 设置事务为非自动提交    
  10.             conn.setAutoCommit(false);    
  11.             // Statement st = conn.createStatement();    
  12.             // 比起st,pst会更好些    
  13.             PreparedStatement pst = conn.prepareStatement("");    
  14.             // 外层循环,总提交事务次数    
  15.             for (int i = 1; i <= 100; i++) {    
  16.                 // 第次提交步长    
  17.                 for (int j = 1; j <= 10000; j++) {    
  18.                     // 构建sql后缀    
  19.                     suffix.append("(" + j * i + ", SYSDATE(), " + i * j    
  20.                             * Math.random() + "),");    
  21.                 }    
  22.                 // 构建完整sql    
  23.                 String sql = prefix + suffix.substring(0, suffix.length() - 1);    
  24.                 // 添加执行sql    
  25.                 pst.addBatch(sql);    
  26.                 // 执行操作    
  27.                 pst.executeBatch();    
  28.                 // 提交事务    
  29.                 conn.commit();    
  30.                 // 清空上一次添加的数据    
  31.                 suffix = new StringBuffer();    
  32.             }    
  33.             // 头等连接    
  34.             pst.close();    
  35.             conn.close();    
  36.         } catch (SQLException e) {    
  37.             e.printStackTrace();    
  38.         }    
  39.         // 结束时间    
  40.         Long end = new Date().getTime();    
  41.         // 耗时    
  42.         System.out.println("cast : " + (end - begin) / 1000 + " ms");    
  43.     }    

        做了以上的优化后,我发现了一个很蛋疼的问题。虽然一开始的插入速度的确快了几十倍,但是插入了50w条数据后,插入速度总是会一下突然变的非常慢。这种插入变慢是断崖式的突变,于是我冥思苦想,无意中打开了系统的资源管理器,一看发现:java占用的内存在不断飙升。 突然脑海中想到:是不是内存溢出了?


4.及时释放查询结果

        在我的数据库查询语句中,使用到了pres=con.prepareStatement(sql)来保存一个sql执行状态,使用了resultSet=pres.executeQuery来保存查询结果集。而在边查边插的过程中,我的代码一直没有把查询的结果给释放,导致其不断的占用内存空间。当我的插入执行到50w条左右时,我的内存空间占满了,于是数据库的插入开始不以内存而以磁盘为介质了,因此插入的速度就开始变得十分的低下。因此,我在每次使用完pres和resultSet后,加入了释放其空间的语句:resultSet.close(); pres.close(); 。重新进行测试,果然,内存不飙升了,插入数据到50w后速度也不降低了。原来问题的本质在这里!


        这个事情折腾了一天,也学到了很多。希望这篇博客能帮助到大家!


展开阅读全文

没有更多推荐了,返回首页