线程导入大数据入库_多线程批量插入数据小结

在测试的过程中，无法避免的需要做一些性能压测，造数据的时长在此时就会备受关注。比如，造数据的时候用多线程还是多进程，用直接插入DB方式还是用先写文件后导入mysql的方式，写文件是写批量sql后面source导入，还是写文本格式后面load ito file导入，使用不同的方法耗时结果肯定是不一样的。除此之外，还有mysql的版本，DB的引擎，表的结构设计这些都会影响大量数据插入的时间。

这次导入数据做了一个小试验：导入2000w笔数据到DB内。使用多线程的线程池技术，首先写2000w笔数据分成M个文件，然后使用N个线程去并发处理写好M个文件，并把M个文件导入到MYSQL中。之前同事写的文件后面都是用load data from file命令导入的，官网也有说明这个命令字跟insert比，性能会高出20倍，于是把这个命令字跟我常用的source命令字做了下对比，结论如下：

一、Insert命令字详解

基于这些试验和现象，确定load ito file加载数据的性能确实要比source导入大批量数据的性能更稳定，更快。但这又是为什么呢？查阅了下MYSQL的官网，insert命令字的插入过程如下，括号内的数字几乎表示可能占用的耗时比：

A: 打开连接：(3)

B: 向服务器发送查询：(2)

C:解析查询：(2)

D:插入行：(1×行大小)

E:插入索引：(1×数索引)

F：关闭连接(1)

以上步骤还不包含连接时，打开表的开销。 当大量的insert批量文件被多线程执行插入时，每一个线程都需要经过6步才能完成数据的插入，表的索引结构，表当前数据的行数对insert的每次插入都会影响。如果想提升写入大数据的性能，可以尝试批量insert(即insert后的值有多个values)，这在一般情况下会单个insert要快，但是要注意设置mysql的bulk_insert_buffer_size参数的大小，之前开发有一些经验值，一般情况下是设置300-500一批插入性能最佳。但是想要性能更快更稳定，可以使用“LOAD DATA INFILE”，这个命令比单insert要快近20倍。

二、提升导入数据性能----mysql服务器端