MySQL 读取百万数据进行处理，该怎么做？前后端交互百万数据需要考虑什么问题?

最新推荐文章于 2023-07-13 21:02:30 发布

专抢傻瓜棒棒糖

最新推荐文章于 2023-07-13 21:02:30 发布

阅读量323

点赞数

文章标签： mysql 数据库 java

本文链接：https://blog.csdn.net/zhonghuaidong/article/details/129333400

版权

背景：

大数据量操作的场景大致如下：

数据迁移
数据导出
批量数据处理
在实际工作当中当指定查询数据过大时，我们一般会使用分页查询的方式一页一页的将数据存放到内存处理。但是有些情况不需要分页的方式查询或者分页查询的size很大时，很可能会导致内存溢出OOM的情况，而且数据库查询数据时，速度会很慢，因为首先要通过SQL去数据库中获取数据，这个过程受到IO,操作系统硬件等性能的影响，同时将获取到的数据重新封装成一个poij对象，也耗费时间。

问题描述：

在业务系统中需要从MySQL数据库中读取百万数据进行处理，应该怎么调优?

常规查询：一次性读取百万数据到jvm内存中，或者分页查询

默认情况下，完整的检索结果集会将其存储在内存中。在大多数情况下，这是最有效的操作方式，并且由于 MySQL 网络协议的设计，因此更易于实现

@Mapper
public interface BigDataSearchMapper extends BaseMapper< BigDataSearchEntity > {

@Select("SELECT bds.* FROM big_data_search bds ${ew.customSqlSegment} ")
Page< BigDataSearchEntity > pageList(@Param(“page”) Page< BigDataSearchEntity > page, @Param(Constants.WRAPPER) QueryWrapper< BigDataSearchEntity > queryWrapper);
}

该方式比较简单，如果在不考虑 LIMIT 深分页优化情况下，估计你的数据库服务器就嗝屁了，或者你能等上几十分钟或几小时，甚至几天时间检索数据

流式查询：建立长连接，利用服务端游标，每次读取一条加载到jvm内存（多次获取，一次一行）

流式查询指的是查询成功后不是返回一个集合而是返回一个迭代器，应用每次从迭代器取一条查询结果。流式查询的好处是能够降低内存使用。

如果没有流式查询，我们想要从数据库取 100w 条记录而又没有足够的内存时，就不得不分页查询，而分页查询效率取决于表设计，如果设计的不好，就无法执行高效的分页查询。因此流式查询是一个数据库访问框架必须具备的功能。

MyBatis 中使用流式查询避免数据量过大导致 OOM ，但在流式查询的过程当中，数据库连接是保持打开状态的，因此要注意的是：

执行一个流式查询后，数据库访问框架就不负责关闭数据库连接了，需要应用在取完数据后自己关闭。
必须先读取（或关闭）结果集中的所有行，然后才能对连接发出任何其他查询，否则将引发异常

流式查询接口–MyBatis

MyBatis 提供了一个叫 org.apache.ibatis.cursor.Cursor 的接口类用于流式查询，这个接口继承了 java.io.Closeable 和 java.lang.Iterable 接口，由此可知：

Cursor 是可关闭的；
Cursor 是可遍历的。
除此之外，Cursor 还提供了三个方法：

isOpen()：用于在取数据之前判断 Cursor 对象是否是打开状态。只有当打开时 Cursor 才能取数据；
isConsumed()：用于判断查询结果是否全部取完。
getCurrentIndex()：返回已经获取了多少条数据
使用流式查询，则要保持对产生结果集的语句所引用的表的并发访问，因为其查询会独占连接，所以必须尽快处理。

为什么要使用流式查询

如果有一个很大的查询结果需要遍历处理，又不想一次性将结果集装入客户端内存，就可以考虑使用流式查询；

分库分表场景下，单个表的查询结果集虽然不大，但如果某个查询跨了多个库多个表，又要做结果集的合并、排序等动作，依然有可能撑爆内存；详细研究了sharding-sphere的代码不难发现，除了group by与order by字段不一样之外，其他的场景都非常适合使用流式查询，可以最大限度的降低对客户端内存的消耗

游标查询：和流式一样，通过fetchSize参数，控制一次读取多少条数据（多次获取，一次多行）

对大量数据进行处理时，为防止内存泄漏情况发生，也可以采用游标方式进行数据查询处理。这种处理方式比常规查询要快很多。

当查询百万级的数据的时候，还可以使用游标方式进行数据查询处理，不仅可以节省内存的消耗，而且还不需要一次性取出所有数据，可以进行逐条处理或逐条取出部分批量处理。一次查询指定 fetchSize 的数据，直到把数据全部处理完。

Mybatis 的处理加了两个注解：@Options 和 @ResultType
@Mapper
public interface BigDataSearchMapper extends BaseMapper {

// 方式一 多次获取，一次多行
@Select("SELECT bds.* FROM big_data_search bds ${ew.customSqlSegment} ")
@Options(resultSetType = ResultSetType.FORWARD_ONLY, fetchSize = 1000000)
Page<BigDataSearchEntity> pageList(@Param("page") Page<BigDataSearchEntity> page, @Param(Constants.WRAPPER) QueryWrapper<BigDataSearchEntity> queryWrapper);

// 方式二 一次获取，一次一行
@Select("SELECT bds.* FROM big_data_search bds ${ew.customSqlSegment} ")
@Options(resultSetType = ResultSetType.FORWARD_ONLY, fetchSize = 100000)
@ResultType(BigDataSearchEntity.class)
void listData(@Param(Constants.WRAPPER) QueryWrapper<BigDataSearchEntity> queryWrapper, ResultHandler<BigDataSearchEntity> handler);

}

@Options

ResultSet.FORWORD_ONLY：结果集的游标只能向下滚动
ResultSet.SCROLL_INSENSITIVE：结果集的游标可以上下移动，当数据库变化时，当前结果集不变
ResultSet.SCROLL_SENSITIVE：返回可滚动的结果集，当数据库变化时，当前结果集同步改变
fetchSize：每次获取量