小技巧笔记

八五年的湘哥

已于 2023-07-06 17:51:05 修改

阅读量1.4k

点赞数 1

分类专栏： # 基础理论文章标签： mybatis java 开发语言 mysql

于 2023-05-24 11:05:48 首次发布

本文链接：https://blog.csdn.net/huxiang19851114/article/details/130843011

版权

基础理论专栏收录该内容

8 篇文章 0 订阅

订阅专栏

小技巧notebook

1、MybatisPlus 批量保存

从BaseMapper接口方法可知，mybatis plus mapper只有根据id批量删除和查询，没有批量保存（insert 、update），要实现也很简单，需要定义一个Service

@Service
@Slf4j
public class QueueUsedInfoService extends ServiceImpl<QueueUsedInfoMapper, QueueUsedInfo> implements BatchInsertService {
}
interface BatchInsertService extends IService<QueueUsedInfo> {
}

其中QueueUsedInfoMapper实现了BaseMapper接口：

@Mapper
public interface QueueUsedInfoMapper extends BaseMapper<QueueUsedInfo> {
}

这个时候可以发现QueueUsedInfoService中有诸如saveBatch，saveOrUpdateBatch方法使用

2、MybatisPlus 注解实现脚本标签使用

比如、、这些标签，在mapper映射文件中可以直接使用，但是如果通过注解的话是不可以直接用的，需要用到{“”}标签包裹，如

@Select({"""
        <script>
         SELECT
            e.id,
            d.* 
          FROM
            (
            SELECT
                c.* 
            FROM
                (
                SELECT
                    a.cluster_id,
                    a.cluster_user,
                    substring_index( substring_index( a.used, ',', b.help_topic_id + 1 ), ',', - 1 ) AS queue 
                FROM
                    partition_info a
                    INNER JOIN mysql.help_topic b ON b.help_topic_id &lt; ( length( a.used ) - 
                    length( REPLACE ( a.used, ',', '' )) + 1 ) 
                ) c 
            WHERE
                CONCAT( c.cluster_id, '-', c.queue ) IN 
                <foreach item='item' index='index' collection='items' open='(' separator=',' close=')'>
                    #{item}
                </foreach>
            ) d
            LEFT JOIN queue_used_info e ON d.cluster_id = e.cluster_id 
            AND d.cluster_user = e.cluster_user 
            AND d.queue = e.queue
        </script>
        """})
List<QueueUsedInfo> getQueueUsedInfos(@Param("items") List<String> lstCondition);

另外注意

3、Mybatis实现insert时，同时根据主键唯一性有条件update

<!--批量操作，无则insert 有则update，update时根据最后更新时间做三元表达式判断：更新时间小于数据库时间，则不更新-->
<insert id="batchInsertOrUpdate" parameterType="list">
    insert into sc_job(id,cluster_id,job_user,job_status,last_update_time) values
    <foreach collection ="lstJob" item="item" separator =",">
        (#{item.id},#{item.clusterId},#{item.jobUser},#{item.jobStatus},#{item.lastUpdateTime})
    </foreach >
    on DUPLICATE KEY UPDATE
        last_update_time = IF(last_update_time > values(last_update_time),last_update_time,values(last_update_time)),
        cluster_id = IF(last_update_time > values(last_update_time),cluster_id,values (cluster_id)),
        job_user = IF(last_update_time > values(last_update_time),job_user,values (job_user)),
        job_status = IF(last_update_time > values(last_update_time),job_status,values (job_status))
</insert>

解释：如果没出现主键冲突，则insert；出现主键冲突的情况下满足条件的字段进行update

4、MySQL 利用help_topic系统表实现字符串无限制分割

前提：账号拥有root权限

SELECT
		a.cluster_id,
		substring_index( substring_index( a.used, ',', b.help_topic_id + 1 ), ',', - 1 ) AS queue 
	FROM
		partition_info a
		INNER JOIN mysql.help_topic b ON b.help_topic_id < ( length( a.used ) - length( REPLACE ( a.used, ',', '' )) + 1 )

对表used字段进行无限制分割，原理：

利用help_topic.help_topic_id自增属性，得到切割后数据个数，然后使用substring_index循环切割，每次得到最后一个，这种方法的缺陷是需要MySQL用户拥有root权限

另外一种办法：

SELECT
		a.cluster_id,
		substring_index( substring_index( a.used, ',', b.id + 1 ), ',', - 1 ) AS queue 
	FROM
		partition_info a
		INNER JOIN (SELECT (@ROW :=@Row + 1) as id FROM user_info,(SELECT @Row:=-1) zz) b ON b.id < ( length( a.used ) - length( REPLACE ( a.used, ',', '' )) + 1 )

user_info表是库种已存在的表，行数必须大于分割字段的最大逗号数，利用其row number的特性创建自增序列，建议选用初始化表，保证有足够多的原始数据作为@Row的支撑

5、跨服务器数据库数据交叉处理脚本

#!/bin/bash 
echo "Start Check Data."

#mysqldump source schema and data
mysqldump -h192.168.137.129 -P3307 -uroot -proot parauser --tables 源库表 > ./parauser.sql;
mysqldump -h192.168.137.129 -P3307 -uroot -proot ngbilling --tables 源库表 > ./ngbilling.sql;

#source schema and validate data to console
mysql -h192.168.137.129 -P3306 -uroot -proot -e"
use 目标库;
set names utf8;
source ./parauser.sql;
source ./ngbilling.sql;

---------------------------业务处理------------------------------------

DROP TABLES 源库表;
commit;"

#remove dump file
rm ./ngbilling.sql ./parauser.sql -f;

echo "Check Data Successful." 
exit;

6、年份分表数据批量导出备份

#!/bin/bash 
echo "Start Export Matomo Data..."
#$1为要导出数据年份，$2为需要创建备份数据库名称（不需要手动创建，matomo_backup.sql放export.sh同级目录）
echo "导出$1年的数据到备份数据库$2...";
#mysqldump导出源数据库结构及数据，具体数据库连接信息请自行修改
mysqldump -h192.168.137.128 -P3306 -uroot -proot matomo --column-statistics=0 > ./matomo.sql;

#切换到目标数据库服务器，具体数据库连接信息请自行修改
mysql -h192.168.137.128 -P3307 -uroot -proot -e"
#创建备份库
CREATE DATABASE IF NOT EXISTS $2 DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_bin;
use $2;
source ./matomo_backup.sql;

#创建数据源临时库
CREATE DATABASE IF NOT EXISTS matomo DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_bin;
use matomo;
set names utf8;
source ./matomo.sql;

#导出需要备份年份的数据（普通表）
---------------------------
INSERT IGNORE INTO $2.matomo_archive_invalidations SELECT * FROM matomo_archive_invalidations where DATE_FORMAT(ts_invalidated,'%Y') = $1;
---------------------------

#切换到备份库，通过存储过程、游标创建备份库中不存在的数据表及数据插入
use $2;

#处理matomo_archive_blob_*;matomo_archive_numeric_*数据表集合（年份表）
DROP PROCEDURE IF EXISTS export_list;
delimiter $
CREATE PROCEDURE export_list()
BEGIN
	#遍历结束标志
	DECLARE var_flag INT DEFAULT 0;
	#遍历表名变量
	DECLARE var_table_name VARCHAR(100);
	#表集合
	DECLARE table_name_list CURSOR FOR
	  SELECT table_name FROM information_schema.tables
      WHERE table_schema = 'matomo' AND table_type = 'base table'
      AND
      (
        table_name like 'matomo_archive_blob_%' AND SUBSTR(table_name,21,4) = $1
        OR
        table_name like 'matomo_archive_numeric_%' AND SUBSTR(table_name,24,4) = $1
      ) ;
	#将结束标志绑定到游标
  DECLARE CONTINUE HANDLER FOR NOT FOUND SET var_flag = 1;
	#打开游标
	OPEN table_name_list;
	FETCH table_name_list INTO var_table_name;
		WHILE var_flag !=1 DO
			#判断表类型
			IF FIND_IN_SET('matomo_archive_blob_',var_table_name)
				THEN
					#需要先判断该表在备份库是否存在，不存在需要先创建，然后再插入数据
					SET @createTableStr = CONCAT('CREATE TABLE IF NOT EXISTS ',var_table_name,'(
						idarchive int(10) UNSIGNED NOT NULL,
						name varchar(190) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL,
						idsite int(10) UNSIGNED NULL DEFAULT NULL,
						date1 date NULL DEFAULT NULL,
						date2 date NULL DEFAULT NULL,
						period tinyint(3) UNSIGNED NULL DEFAULT NULL,
						ts_archived datetime NULL DEFAULT NULL,
						value mediumblob NULL,
						PRIMARY KEY (idarchive, name) USING BTREE,
						INDEX index_period_archived(period, ts_archived) USING BTREE
					) ENGINE = InnoDB CHARACTER SET = utf8mb4 COLLATE = utf8mb4_general_ci ROW_FORMAT = COMPACT');
				ELSE
					#先判断该表在备份库是否存在，不存在需要先创建，然后再插入数据
					SET @createTableStr = CONCAT('CREATE TABLE IF NOT EXISTS ',var_table_name,'(
						idarchive int(10) UNSIGNED NOT NULL,
						name varchar(190) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL,
						idsite int(10) UNSIGNED NULL DEFAULT NULL,
						date1 date NULL DEFAULT NULL,
						date2 date NULL DEFAULT NULL,
						period tinyint(3) UNSIGNED NULL DEFAULT NULL,
						ts_archived datetime NULL DEFAULT NULL,
						value mediumblob NULL,
						PRIMARY KEY (idarchive, name) USING BTREE,
						INDEX index_period_archived(period, ts_archived) USING BTREE
					) ENGINE = InnoDB CHARACTER SET = utf8mb4 COLLATE = utf8mb4_general_ci ROW_FORMAT = COMPACT');
			END IF;
			PREPARE stmt FROM @createTableStr;
			EXECUTE stmt;
			#对matomo_archive_blob_*;matomo_archive_numeric_*数据表数据进行备份
			SET @insertStr = CONCAT('INSERT IGNORE INTO ',var_table_name,' SELECT * FROM matomo.',var_table_name);
      PREPARE stmt FROM @insertStr;
      EXECUTE stmt;
			FETCH table_name_list INTO var_table_name;
		END WHILE;
	CLOSE table_name_list;
END;

#执行存储过程
CALL export_list();

#删除存储过程
DROP PROCEDURE export_list;

#切换回matomo临时库
use matomo;

#删除临时源库
DROP DATABASE matomo;
commit;"

#remove dump file
rm ./matomo.sql;

echo "Export Data Successful."
exit;

导出备份完成后对源库表清理脚本

#!/bin/bash 
echo "Start Clean Matomo Data..."
echo "开始清除已备份的$1年数据，请确保已执行export.sh进行备份...";
mysql -h192.168.137.128 -P3306 -uroot -proot -e"
use matomo;

#删除已备份年份的历史数据（普通表）
DELETE FROM matomo_archive_invalidations where DATE_FORMAT(ts_invalidated,'%Y') = $1;

#删除matomo_archive_blob_*;matomo_archive_numeric_*已备份年份的数据表（年份表）
DROP PROCEDURE IF EXISTS drop_table_list;
delimiter $
CREATE PROCEDURE drop_table_list()
BEGIN
  DECLARE i INT DEFAULT 1;
 WHILE i <= 12 DO
     IF i < 10
     THEN
      SET @dropTableStr = CONCAT('DROP table IF EXISTS matomo_archive_blob_$1_0' , i , ',' , 'matomo_archive_numeric_$1_0' , i);
     ELSE
      SET @dropTableStr = CONCAT('DROP table IF EXISTS matomo_archive_blob_$1_' , i , ',' , 'matomo_archive_numeric_$1_' , i);
    END IF;
    PREPARE stmt FROM @dropTableStr;
    EXECUTE stmt;
    SET i = i+1;
 END WHILE;
END;

#执行存储过程
CALL drop_table_list();
#删除存储过程
DROP PROCEDURE drop_table_list;
commit;"

echo "Clean Data Successful."
exit;

7、MySQL数据同步到Redis步骤

#将利用redis管道模式将MySQL数据刷入Redis
#1、MySQL查询结果拼接成Redis执行脚本，见：db/mysql_to_redis.sql
#2、将上一步脚本执行查询结果写入文件（具体的地址,数据库s，账号，密码根据需要设置,mysql_to_redis.sql，mtr.txt路径为MySQL容器路径）
docker exec mysql /bin/bash -c 'mysql -h192.168.137.128 -P3306 -uroot -proot -Dngbilling --skip-column-names --raw < /mydir/mysql_to_redis.sql > /mydir/mtr.txt'
#3、cat数据文件，通过管道符将结果让redis-cli批量刷入redis（具体的地址,数据库，密码根据需要设置，mtr.txt为redis容器根路径）
cat mtr.txt |redis-cli -h 192.168.137.128 -n 0 --pipe -a root

8、MySQL根据select结果集批量更新

UPDATE console.cluster a
INNER JOIN ( SELECT name, is_proxy, resource_type FROM console.b_cluster ) b ON b.name = a.id
SET a.owned = b.is_proxy ,a.res_type = b.resource_type;

UPDATE console.account_group a,ngbilling.b_group b
SET a.fee_name = b.group_name
WHERE
	a.id = b.group_id;

八五年的湘哥

关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
小技巧笔记

从BaseMapper接口方法可知，mybatis plus mapper只有根据id批量删除和查询，没有批量保存（insert 、update），要实现也很简单，需要定义一个Service这个时候可以发现QueueUsedInfoService中有诸如saveBatch，saveOrUpdateBatch方法使用。
复制链接

扫一扫