面试题：大批量数据高效插入数据库表

原文：http://yakyang.com/?p=592

题目：将一批10万数据通过系统（Java语言）导入数据库表，并要求实时看到导入的进度，请设计出系统方案，重点要考虑导入效率！

这个题场景很简单！

题中提到了两个重要需求：
1、实时看到导入的进度；
2、导入效率。

第一个需求可以简单理解就是能够看到导入过程。进度就是一个大概情况，并不是一个要求非常精准的数，但是如果做的很牛逼就是真实的反应成功导入的条数。这样话实现的方案有大有不同了！第二个需求就是一个无限想象的需求！只要能提高导入效率的都可以写入方案，看来是要看答题人的思考问题的广度和技术经验了。

下面是我的方案也并非完美！

1、 首先考虑10万数据，是一个不小的数据量，题目没有说数据存储的介质，我就不考虑如何读文件了。10万数据如果按照一条一条导入肯定不是一个最优的方案，数据之间没有相关联，那就将数据分隔为1万一批，将10万数据分给10线程处理，这样肯定要比一个线程导的快，这样算是一个分布计算啦！呵呵！

2、 现在我们要考虑一个线程怎么导入快。怎么提高效率，一般有数据库操作，就要重点考虑数据库操作，此题是一个插入数据库表。我们立刻想到：
for(Object o : list ){
    insert into table value ( o );
}
这种显然是拼接SQL一个条条插入数据表嘛！相信一般人都会这么想，这样对吗？肯定没有问题，但是绝对不高效的，每次执行一次就要像数据库传SQL，数据库编译SQL，然后执行。我们是大批数据插入，应该使用批处理方式。
String sql = “insert into table(…) values (?, ?, ?)”;
Connection connection = new getConnection();
PreparedStatement ps = connection.prepareStatement(sql);
for (Object o: list) {
   ps.setString(1,o.get…);
   ps.setString(2, o.get…);
   ps.setString(3, o.get…);
   ps.addBatch();
}
ps.executeBatch();
ps.close();
connection.close();
这样实现速度就比第一种要快很多，SQL语句也只需编译一次。

3、 按照上面做还有问题吗？显然还不够嘛！我们还没有考虑事务！一万条提交一次事务显然不合理，对数据库压力很大，所以要控制事务的粗粒度，可以100条提交一次事务。

4、 接下来就要考虑数据库了，我经常问大家?表建索引和没有索引有啥区别？很多人都说建索引查询速度快，其实还有一点就是插入慢了啊！所以插入的表单表不要建索引，有索引将索引删掉，导入完后再建索引。

5、 高效插入应该差不多了，现在要考虑第二个需求—实时进度。很多人第一反应就是select count(1) from table，这样存在一个问题就是查询的频率，频率大数据就比较精确，如果频率小数据就不准确，5分钟查一次比1分钟获得数据要差很大，这个方案显然不算很合理了。那就在内存设置一个变量n，实时保存插入成功数量，但是根据1点说多线程同时插入，那就有可能两个线程同时加，造成数据也不准确了，那么我们就要考虑对n加锁啦！

到此我们的方案就算完了！是不是最优的？肯定还有改进的空间，但是这样够了