Oracle occi 批量插入数据

在用OCCI 向Oracle中插入数据时，效率不高，使用自动提交数据的情况（默认）下一秒钟只能插入1000条数据左右。因为插入数据库这块是影响系统中效率最明显的地方，因此很有必要提高数据插入这块的效率。在网上找了一些资料后发现，可以重用statement对象，使用批量插入的方法，先把数据保存在内存中，积累到一定数值之后批量插入Oracle，这样平均下来一秒钟可以插入5000多条数据，性能有所提高，不错，这里做一个记录。

#include <iostream>
#include <string.h>
#include <time.h>
#include <sys/time.h> 

#define WIN32COMMON //避免函数重定义错误
#include <occi.h>
#include <cstdlib>
#include <map>
#define ArraySize 10000  //内存中数据满1000条批量插入到oracle中

using namespace oracle::occi;
using namespace std;

/*
 *返回当前时间，用于计算两个操作的时间差
 */
long getCurrentTime()
{
   struct timeval tv;
   gettimeofday(&tv,NULL);
   return tv.tv_sec * 1000 + tv.tv_usec / 1000;
}

/*
 * @author: roger
 */
int main(void)
{

	string username = "XX";
	string pass = "XXX";
	string srvName = "XXX";
	Environment *env ;
	Connection *conn;
	Statement *stmt;
	try
	{
		env = Environment::createEnvironment(Environment::THREADED_MUTEXED);
		conn = env->createConnection(username, pass, srvName);

		string sql = "insert into instant_infor (motor_id, lat, lon, uploadTime, receivetime, state_id, sys_state_id) values(:fld1,:fld2,:fld3,to_timestamp(:fld4,'yyyy-mm-dd hh24:mi:ss'),to_timestamp(:fld5,'yyyy-mm-dd hh24:mi:ss'),:fld6,:fld7)";
     stmt = conn->createStatement(sql);

	} catch(SQLException e)
	{
		env = NULL;
		conn = NULL;
		cout<<e.what()<<endl;
	}

	  char motorid[ArraySize][12];
	  char lat[ArraySize][20];
	  char lon[ArraySize][20];
	  char uploadTime[ArraySize][20];
	  char createTime[ArraySize][20];
	  char state_id[ArraySize][50];
	  char sys_state_id[ArraySize][50];

	ub2  motor_idLen[ArraySize] ;
	ub2  uploadTimeLen[ArraySize] ;
	ub2  createTimeLen[ArraySize];
	ub2  state_idLen[ArraySize];
	ub2  sys_state_idLen[ArraySize];
	ub2  latLen[ArraySize] ;
	ub2  lonLen[ArraySize] ;

	long a1 = getCurrentTime();
	for(int i=0;i<ArraySize;i++){

	  strcpy(motorid[i],"10000100000");
	  strcpy(lat[i] , "30.123");
	  strcpy(lon[i] , "120.123");
	  strcpy(uploadTime[i] , "2015-11-11 11:11:11");
	  strcpy(createTime[i] , "2015-11-11 11:11:11");
	  strcpy(state_id[i] ,"1");
	  strcpy(sys_state_id[i],"1");

	  motor_idLen[i] = strlen( motorid[i] ) + 1;
	  uploadTimeLen[i] = strlen( uploadTime[i] ) + 1;
	  createTimeLen[i] = strlen( createTime[i] ) + 1;
	  state_idLen[i] = strlen( state_id[i] ) + 1;
	  sys_state_idLen[i] = strlen( sys_state_id[i] ) + 1;
	  latLen[i] = strlen( lat[i] ) + 1;
	  lonLen[i] = strlen( lon[i] ) + 1;
	}

	stmt->setDataBuffer(1, (dvoid*)motorid, OCCI_SQLT_STR,sizeof( motorid[0] ), motor_idLen);
	stmt->setDataBuffer(2, (dvoid*)lat, OCCI_SQLT_STR, sizeof( lat[0] ), latLen);
	stmt->setDataBuffer(3, (dvoid*)lon, OCCI_SQLT_STR, sizeof( lon[0] ), lonLen);
	stmt->setDataBuffer(4, (dvoid*)uploadTime, OCCI_SQLT_STR, sizeof( uploadTime[0] ), uploadTimeLen);
	stmt->setDataBuffer(5, (dvoid*)createTime, OCCI_SQLT_STR, sizeof( createTime[0] ), createTimeLen);
	stmt->setDataBuffer(6, (dvoid*)state_id, OCCI_SQLT_STR,sizeof( state_id[0] ), state_idLen);
	stmt->setDataBuffer(7, (dvoid*)sys_state_id, OCCI_SQLT_STR, sizeof( sys_state_id[0] ), sys_state_idLen);

	stmt->executeArrayUpdate(ArraySize);
	conn->terminateStatement(stmt);
	conn->commit();

	long a2= getCurrentTime();

	cout<<"插入"<<ArraySize<<"条数据完成"<<endl;
	cout<<"花费时间： "<<(a2-a1)<<endl;

}

测试中是访问本地的Oracle数据库，用到的Makefile文件如下：

CC=g++
OBJS=TestOracle.o
LIB=-L/opt/oracle/oracle11g/product/11.2.0/dbhome_1/lib -L/opt/oracle/oracle11g/product/11.2.0/dbhome_1/rdbms/lib/ 
INCLUDE=-I/opt/oracle/oracle11g/product/11.2.0/dbhome_1/precomp/public -I/opt/oracle/oracle11g/product/11.2.0/dbhome_1/rdbms/public
Test: $(OBJS)
	$(CC) -o Test $(OBJS) $(LIB) -locci -lclntsh 
TestOracle.o: TestOracle.cpp  
	$(CC) -c  TestOracle.cpp $(INCLUDE)
clean:
	rm -rf *.o  & rm Test

程序的编写是参考网上的一篇文章，写的很好，这里作为参考： http://rgyq.blog.163.com/blog/static/3161253820131695957501/

• 重用statement对象

每次创建statement对象时，需要在客户端和服务端分配资源，如内存和游标(cursor)，用于存储对象及数据。为了不必要的内存重分配，应重用statement对象。statement对象创建后，可以使用setSQL方法进行重用，例如：

Connection* conn = env->createConnection(); 
Statement* stmt = conn->createStatement(); 
stmt->setSQL(“INSERT INTO fruit_basket_tab VALUES(‘Apples’, 3)”); 
stmt->executeUpdate(); 
stmt->setSQL(“INSERT INTO fruit_basket_tab VALUES(‘Oranges’, 4)”); 
stmt->executeUpdate(); 
stmt->setSQL(“INSERT INTO fruit_basket_tab VALUES(‘Bananas’, 1)”); 
stmt->executeUpdate();' 
stmt->setSQL(“SELECT * FROM fruit_basket_tab WHERE quantity > 2”); 
ResultSet* rs = stmt->executeQuery();

• statement参数化

为了进一步控制内存重新分配，可以通过参数化将前面3条SQL语句变成1条，然后设置参数，再执行。注意输入参数的类型变化，因为，每次改变参数类型都会触发重绑定。参数化示例如下：

stmt->setSQL(“INSERT INTO fruit_basket_tab VALUES(:1, :2)”); 
stmt->setString( 1, “Apples” ); 
stmt->setInt( 2, 3 ); 
stmt->executeUpdate(); 
stmt->setString( 1, “Oranges” ); 
stmt->setInt( 2, 4 ); 
stmt->executeUpdate(); 
stmt->setString( 1, “Bananas” ); 
stmt->setInt( 2, 1 ); 
stmt->executeUpdate();

• 批量更新

对于那些经常发生的操作，很多时间都浪费在与服务器网络通信中。OCCI提供了有效的机制用于在单次网络通信中发送多行信息。 该优化可用于INSERTs,UPDATEs和DELETEs。首先，设置最大迭代次数，然后设置可变长度参数的最大长度。在迭代过程中参数类型不可变。具体细节参考OCCI Programmers Guide，第二章。下例是上面的INSERTs的优化：

//prepare the batching process 
stmt->setMaxIterations( 3 ); 
stmt->setMaxParamSize( 1, 8 ); //”Bananas” is longest param 
//batch the statements 
stmt->setSQL(“INSERT INTO fruit_basket_tab VALUES(:1, :2)”); 
stmt->setString( 1, “Apples” ); 
stmt->setInt( 2, 3 ); 
stmt->addIteration(); 
stmt->setString( 1, “Oranges” ); 
stmt->setInt( 2, 4 ); 
stmt->addIteration(); 
stmt->setString( 1, “Bananas” ); 
stmt->setInt( 2, 1 ); 
//execute the statements 
stmt->executeUpdate();

• Statement::setDataBuffer方法

绑定值到参数化statements的参数时需要内存拷贝，因为为了避免信息在中间执行过程中被覆盖，所以必须拷贝到内部的缓冲区中。拷贝的代价对于大字符串尤其明显，内存的消耗以及拷贝所花的时间。如果应用可以自己管理内存，就可以通过OCCI提供的方法最小化上述开销。

虽然许多OCI开发者使用OCCI简明的创建environments和statement对象，但仍然使用许多OCI中的类型。 setDataBuffer方法允许OCI开发者执行数组更新，最小化网络通信次数。setDataBuffer方法与setXXX方法工作方法不同。一般说来，setXXX方法会将传过来的数据拷贝到内部缓冲区中，只要setXXX返回后参数值就可以被改变。然而，使用setDataBuffer方法可以避免将数据拷贝到内部缓冲区中。代价是应用程序在执行完statement之前不可以修改缓冲区。例如：

// insert Bananas 
char buf[BUF_SIZE] = "Bananas"; 
int quantity = 1; 
ub2 buflen = strlen( buf ) + 1; 
ub2 quantlen = sizeof(int); 
stmt->setDataBuffer(1, (dvoid*)buf, OCCI_SQLT_STR, buflen, &buflen); 
stmt->setDataBuffer(2, (dvoid*)&quantity, OCCIINT, quantlen, 
&quantlen); 
stmt->executeUpdate(); // executeArrayUpdate(1) also would work. 
// insert Apples 
strcpy( buf, “Apples” ); 
quantity = 3; 
buflen = strlen( buf ) + 1; 
quantlen = sizeof( int ); 
stmt->setDataBuffer(1, (dvoid*)buf, OCCI_SQLT_STR, buflen, &buflen); 
stmt->setDataBuffer(2, (dvoid*)&quantity, OCCIINT, quantlen, 
&quantlen); 
stmt->executeUpdate(); // executeArrayUpdate(1) also would work. 
//commit the transaction 
conn->commit();

setDataBuffer方法可以与迭代执行(iterative executes)和executeArrayUpdate方法结合使用。

• executeArrayUpdate方法

当进行大量INSERTs和UPDATEs操作时，可以通过executeArrayUpdate方法和setDataBuffer方法批量处理。这可以节省网络通信，提高吞吐量。示例如下：

char fruit[][BUF_SIZE] = { "Apples","Oranges","Bananas","Grapes" }; 
int int_arr[]={ 3,4,1,5 }; 
ub2 fruitlen[4]; // array of size of individual elements 
ub2 intsize[4]; 
for(int i=0 ; i<4 ; i++) 
{ 
intsize[i] = sizeof(int); 
fruitlen[i] = strlen( fruit[i] ) + 1 ; // include the null 
} 
stmt->setDataBuffer(1, (dvoid*)fruit, OCCI_SQLT_STR, BUF_SIZE, 
fruitlen); 
stmt->setDataBuffer(2, (dvoid*)int_arr, OCCIINT, sizeof(int), intsize); 
stmt->executeArrayUpdate(4); 
conn->commit();

executeArrayUpdate方法不会执行，直到所有缓冲区均通过setDataBuffer方法设置。如果有参数需要调用setXXX方法赋值，可以调用setMaxIterations和setMaxParamSize方法，以及addIteration方法。具体如下：

char fruits[][BUF_SIZE] = {“Apples”, “Oranges”, “Bananas”}; 
ub2 fruitLen[3]; 
for( int j=0; j<3; j++ ) 
{ 
fruitLen[j] = strlen( fruits[j] ) + 1; //include the null 
} 
stmt->setMaxIterations(3); 
//setDataBuffer only needs to be executed once 
//while all the other variables need to be set for each iteration 
stmt->setDataBuffer( 1, fruits, OCCI_SQLT_STR, sizeof(fruits[0]), 
fruitLen ); 
stmt->setInt(2, 3); //Apple’s quantity 
stmt->addIteration(); 
stmt->setInt(2, 4); //Orange’s quantity 
stmt->addIteration(); 
stmt->setInt(2, 1); //Banana’s quantity 
//execute the iterative update 
stmt->executeUpdate(3);

• 使用合适的Accessors和字符集

对操作的列使用合适的setXXX和getXXX方法，而非统一作为string处理，可以省去不必要的转换。
在NLS_LANG环境设置中使用合适的字符集，以避免获取字符串时不必要的字符集转换。

自动提交模式
由于所有的SQL DML都是在事务中执行，所以需要确认所有的DML。可以根据具体情况使用“Connection::commit”和“Connection::rollback”方法。“Statement::setAutoCommit”方法可以用来确认其后的每条语句。使用该方法可节省网络传输时间。

//code with AutoCommit 
//transaction 1 
stmt->executeUpdate(“INSERT INTO fruit_basket_tab VALUES(“Apples”,3)); 
stmt->executeUpdate(“INSERT INTO fruit_basket_tab VALUES(“Oranges”,4)); 
stmt->setAutoCommit( TRUE ); 
stmt->executeUpdate(“INSERT INTO fruit_basket_tab VALUES(“Bananas”,1)); 
stmt->setAutoCommit( FALSE ); 
//transaction 2 
stmt->executeUpdate(“INSERT INTO fruit_basket_tab VALUES(“Apples”,5)); 
stmt->executeUpdate(“INSERT INTO fruit_basket_tab VALUES(“Oranges”,6)); 
stmt->setAutoCommit( TRUE ); 
stmt->executeUpdate(“INSERT INTO fruit_basket_tab VALUES(“Bananas”,2)); 
stmt->setAutoCommit( FALSE );

这与下面的语句是等价的，但是2次网络传输，每个事务1次

//code without AutoCommit 
//transaction 1 
stmt->executeUpdate(“INSERT INTO fruit_basket_tab VALUES(“Apples”,3)); 
stmt->executeUpdate(“INSERT INTO fruit_basket_tab VALUES(“Oranges”,4)); 
stmt->executeUpdate(“INSERT INTO fruit_basket_tab VALUES(“Bananas”,1)); 
conn->commit(); 
//transaction 2 
stmt->executeUpdate(“INSERT INTO fruit_basket_tab VALUES(“Apples”,5)); 
stmt->executeUpdate(“INSERT INTO fruit_basket_tab VALUES(“Oranges”,6)); 
stmt->executeUpdate(“INSERT INTO fruit_basket_tab VALUES(“Bananas”,2)); 
conn->commit();

建议AutoCommit只在每个事务的最后一条SQL语句前面使用。

• 结果集对象的优化

结果集作为请求的响应返回。可以使用next和status方法处理结果集：

ResultSet* rs = stmt->executeQuery( “SELECT * FROM fruit_basket_tab” ); 
ResultSet::Status stat = rs->status(); //status is DATA_AVAILABLE 
while( rs->next() ) { //process data }
setPrefetchRowCount and setPrefetchMemorySize

虽然rs->next()每次只能返回一行，但是可以在一次网络中预取多行放到客户端的缓存中。使用类Statement的setPrefetchRowCount方法和setPrefetchMemorySize方法，每次可以取得不止一行。上例优化后如下：

stmt->setPrefetchRowCount( 3 ); 
ResultSet* rs = stmt->executeQuery( “SELECT * FROM fruit_basket_tab” ); 
while ( rs->next() ) { //process data }
使用上述代码，在一次网络通信中就能取得3条记录。默认情形中，预取功能是启用的，每次多取一条。要想关闭预取功能，必须同时调用方法setPrefetchRowCount和setPrefetchMemorySize，参数为0。如果两个setPrefetchXXX方法都被调用了，那么实际预取的数目是这两个方法参数中较小的那个。

setMaxColumnSize
当取得的结果中有些列较大时，可以使用ResultSet::setMaxColumnSize方法限制从指定的列可以获取多少数据。当只对部分数据感兴趣或者缓存大小有限时，这就有用了。

ResultSet *rs = stmt->executeQuery( “SELECT description FROM 
fruit_basket_tab” ); 
//want only first 80 characters from the description column 
rs->setMaxColumnSize( 1, 80 );

• 关闭结果集

当对结果集的处理结束后，调用Statement::closeResultSet方法手动强制关闭，这样数据库和OCCI的使用的资源就不必等待自动释放。

• 终止Statement

最后，为了确保没有内存泄漏，并关闭相关的服务器端的游标，需要释放所有的statement对象。

conn->terminateStatement( stmt );


参考资料
Using OCCI: Best Practices
http://www.stanford.edu/dept/itss/docs/oracle/10gR2/appdev.102/b14294/performance.htm