性能爆表:SpringBoot利用ThreadPoolTaskExecutor批量插入百万级数据实测!

全新前后端微商城项目,手把手教学!

全新前后端微商城项目,手把手教学!

全新前后端微商城项目,手把手教学!

来源:azdebug.blog.csdn.net/article/details/103697108

  • 前言

  • 具体实现细节

  • 测试结果

  • 总结


前言

  • 开发目的: 提高百万级数据插入效率。

  • 采取方案: 利用ThreadPoolTaskExecutor多线程批量插入。

  • 采用技术: springboot2.1.1+mybatisPlus3.0.6+swagger2.5.0+Lombok1.18.4+postgresql+ThreadPoolTaskExecutor等。

具体实现细节

application-dev.properties添加线程池配置信息
# 异步线程配置
# 配置核心线程数
async.executor.thread.core_pool_size = 30
# 配置最大线程数
async.executor.thread.max_pool_size = 30
# 配置队列大小
async.executor.thread.queue_capacity = 99988
# 配置线程池中的线程的名称前缀
async.executor.thread.name.prefix = async-importDB-
spring容器注入线程池bean对象
@Configuration
 
@EnableAsync
 
@Slf4j
 
public class ExecutorConfig {
    @Value("${async.executor.thread.core_pool_size}")
    private int corePoolSize;
    @Value("${async.executor.thread.max_pool_size}")
    private int maxPoolSize;
    @Value("${async.executor.thread.queue_capacity}")
    private int queueCapacity;
    @Value("${async.executor.thread.name.prefix}")
    private String namePrefix;
 
    @Bean(name = "asyncServiceExecutor")
    public Executor asyncServiceExecutor() {
        log.warn("start asyncServiceExecutor");
        //在这里修改
        ThreadPoolTaskExecutor executor = new VisiableThreadPoolTaskExecutor();
        //配置核心线程数
        executor.setCorePoolSize(corePoolSize);
        //配置最大线程数
        executor.setMaxPoolSize(maxPoolSize);
        //配置队列大小
        executor.setQueueCapacity(queueCapacity);
        //配置线程池中的线程的名称前缀
        executor.setThreadNamePrefix(namePrefix);
        // rejection-policy:当pool已经达到max size的时候,如何处理新任务
        // CALLER_RUNS:不在新线程中执行任务,而是有调用者所在的线程来执行
        executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());
        //执行初始化
        executor.initialize();
        return executor;
    }
}
创建异步线程 业务类
@Service
@Slf4j
public class AsyncServiceImpl implements AsyncService {
@Override
    @Async("asyncServiceExecutor")
    public void executeAsync(List<LogOutputResult> logOutputResults, LogOutputResultMapper logOutputResultMapper, CountDownLatch countDownLatch) {
        try{
            log.warn("start executeAsync");
            //异步线程要做的事情
            logOutputResultMapper.addLogOutputResultBatch(logOutputResults);
            log.warn("end executeAsync");
        }finally {
            countDownLatch.countDown();// 很关键, 无论上面程序是否异常必须执行countDown,否则await无法释放
        }
    }
}
创建多线程批量插入具体业务方法
@Override
    public int testMultiThread() {
        List<LogOutputResult> logOutputResults = getTestData();
        //测试每100条数据插入开一个线程
        List<List<LogOutputResult>> lists = ConvertHandler.splitList(logOutputResults, 100);
        CountDownLatch countDownLatch = new CountDownLatch(lists.size());
        for (List<LogOutputResult> listSub:lists) {
            asyncService.executeAsync(listSub, logOutputResultMapper,countDownLatch);
        }
        try {
            countDownLatch.await(); //保证之前的所有的线程都执行完成,才会走下面的;
            // 这样就可以在下面拿到所有线程执行完的集合结果
        } catch (Exception e) {
            log.error("阻塞异常:"+e.getMessage());
        }
        return logOutputResults.size();
    }
模拟2000003 条数据进行测试

a27b4f14a7f1ae5e16bd9dd1829a7c48.png

图片

多线程 测试 2000003  耗时如下:耗时1.67分钟

3b61d79b3943d960c980597ef4362acd.png

图片

e07b72809fbc459dcb6e0674d36727bf.png

图片

本次开启30个线程,截图如下:

ff0512772aa0afff4f325b8840755ace.png

图片

单线程测试2000003  耗时如下:耗时5.75分钟

5a5ced9e874af5d7018d509da07ef67c.png

图片

6e181d4b7194cf6bfc56949b7635d6e6.png

图片
检查多线程入库的数据,检查是否存在重复入库的问题:

根据id分组,查看是否有id重复的数据,通过sql语句检查,没有发现重复入库的问题

559e04d50538d4cfc4e4a1a930c74ef8.png

图片

检查数据完整性:通过sql语句查询,多线程录入数据完整

c5c76b539f09550f1dd69e2237bd36d3.png

图片

测试结果

不同线程数测试:

610c484b2c8473ddaf38ed496de289a4.png

图片

7b4de7dc467628383eda32b8b6c7e295.png

图片

总结

通过以上测试案列,同样是导入2000003  条数据,多线程耗时1.67分钟,单线程耗时5.75分钟。通过对不同线程数的测试,发现不是线程数越多越好,具体多少合适,网上有一个不成文的算法:

CPU核心数量*2 +2 个线程。

附:测试电脑配置

6ec32da3aeb513e096020356f46351bf.png

图片

推荐全新学习项目

全新基于springboot+vue+vant的前后端分离的微商城项目,包括手机端微商城项目和后台管理系统,整个电商购物流程已经能流畅支持,涵盖商品浏览、搜索、商品评论、商品规格选择、加入购物车、立即购买、下单、订单支付、后台发货、退货等。功能强大,主流技术栈,非常值得学习。

线上演示:https://www.markerhub.com/vueshop

fcde9818d52980a170732447a681065d.jpeg

从文档到视频、接口调试、学习看板等方面,让项目学习更加容易,内容更加沉淀。全套视频教程约35小时共222期,讲解非常详细细腻。下面详细为大家介绍:

架构与业务

使用主流的技术架构,真正手把手教你从0到1如何搭建项目手脚架、项目架构分析、建表逻辑、业务分析、实现等。涵盖SpringBoot、Mybatis Plus、Jwt、Redis、Lombok、Hutool、Shiro、Elasticsearch、RabbitMq、Docker、Jenkins等技术。

vueshop微商城的整个购物流程已经完善,各个模块的业务都是已经实现,涵盖商品模块、搜索模块、购物车模块、订单模块、退款模块、后台权限模块、业务数据管理模块等

16e0cfb7620092d990340c0832f355d8.png

更多详情请查看:

手把手教学,从0开发前后端微商城项目,主流Java技术一网打尽!

手把手教学,从0开发前后端微商城项目,主流Java技术一网打尽!

手把手教学,从0开发前后端微商城项目,主流Java技术一网打尽!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SAR(Synthetic Aperture Radar,合成孔径雷达)成像是一种通过合成大于实际天线孔径的虚拟孔径,获取高分辨率雷达图像的技术。利用MATLAB设计SAR实测数据成像处理程序需要按照以下步骤进行: 1. 数据预处理:选择合适的SAR实测数据,并加载到MATLAB中。针对数据进行去噪、校正和地理校准等预处理操作,以提高数据质量和准确性。 2. SAR数据成像:根据雷达方程和波束形成原理,设计SAR成像算法。常用的算法有Range Doppler算法、Chirp Scaling算法等。通过对数据进行多普勒移频补偿、距离匹配和配准处理,得到SAR图像。 3. 图像质量评估:根据SAR图像的特点,使用适当的质量评估指标对图像进行分析和评估。常用的评估指标有像素灰度均值、对比度、噪声等。 4. 图像增强处理:根据实际需求,对SAR图像进行增强处理。常用的增强方法有滤波、增强对比度、减小噪声等。 5. 图像分析与应用:根据处理后的SAR图像,进行进一步的图像分析和应用。可以利用图像处理工具进行目标检测、提取地物信息、制作地图等。 MATLAB作为一种强大的科学计算软件和编程语言,拥有丰富的图像处理和数据处理函数和工具箱,可以方便地进行SAR实测数据成像处理程序的设计和实现。通过MATLAB的编程能力和强大的图像处理功能,可以实现高效、准确的SAR数据成像处理。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值