批处理,可以大幅度提升大量增、删、改的速度,就是对大数据操作有很大的效率提升。
与上篇文章中提到的“连接池”相似。其实就是先将多次操作(增删改)打包,然后再一次发送执行
主要用到两个方法:
Ø 打包:PreparedStatement.addBatch();
Ø 发送、执行:PreparedStatement.executeBatch();
下面看做同一件事,用批处理和不用批处理的效率对比,源码如下:
import java.sql.Connection;
import java.sql.Date;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.sql.Statement;
/**
* @author-zhipeng
*
* 对比批处理与非批处理的差别(本例的循环所在位置)
*/
public class BatchTest {
/**
* 对比“批处理”与“非批处理”的执行效率
*/
public static void main(String[] args) throws SQLException {
//非批处理,插入100条数据所花费的时间
long start = System.currentTimeMillis();
for (int i = 0; i < 100; i++)
create(i);
long end = System.currentTimeMillis();
System.out.println("create:" + (end - start));
//批处理,插入100条数据所花费的时间
start = System.currentTimeMillis();
createBatch();
end = System.currentTimeMillis();
System.out.println("createBatch:" + (end - start));
}
/**
* 非批处理-插入1条数据
*/
static void create(int i) throws SQLException {
Connection conn = null;
PreparedStatement ps = null;
ResultSet rs = null;
try {
//JdbcUtils为自定义的操作类,这里不多介绍
conn = JdbcUtils.getConnection();
String sql = "insert into user(name,birthday, money) values (?, ?, ?) ";
ps = conn.prepareStatement(sql, Statement.RETURN_GENERATED_KEYS);
ps.setString(1, "no batch name" + i);
ps.setDate(2, new Date(System.currentTimeMillis()));
ps.setFloat(3, 100f + i);
//执行插入
ps.executeUpdate();
} finally {
//释放资源
JdbcUtils.free(rs, ps, conn);
}
}
/**
* 批处理-插入100条数据
*/
static void createBatch() throws SQLException {
Connection conn = null;
PreparedStatement ps = null;
ResultSet rs = null;
try {
conn = JdbcUtils.getConnection();
String sql = "insert into user(name,birthday, money) values (?, ?, ?) ";
ps = conn.prepareStatement(sql);
//注意批处理与“非批处理”循环放的位置
for (int i = 0; i < 100; i++) {
ps.setString(1, "batch name" + i);
ps.setDate(2, new Date(System.currentTimeMillis()));
ps.setFloat(3, 100f + i);
//关键方法1:打包
ps.addBatch();
}
//关键方法2:执行
int[] is = ps.executeBatch();
} finally {
JdbcUtils.free(rs, ps, conn);
}
}
}
运行效果:
这是执行100条数据的差距,可以想象对大数据的效率提升改有多大。