jdbc大批量数据导入mysql_Java批量导入百万级数据到mysql

需求：把一个500M的txt文件导入mysql数据库，数据量大概有几千万。

1、项目架构

项目采用微服务架构，上传文件的后台管理系统是作为应用层，业务处理的作为服务层，应用层和服务层都有多个节点。

如果是单一节点处理，那么读取500M的文件(可能更大)，并把几百万的数据要快速的写入数据库，是非常有难度的。但是我们可以利用微服务多个节点分散处理，即应用层只读取数据，读10000条就放入线程池向服务层发起请求，而服务层有多个节点，可以把应用层的请求平均到多个节点处理，在应用层每个节点先做数据解析，然后插入mysql。

2、服务层处理

2.1 文件读取

文件读取我们用BufferedReader，BufferedReader使用装饰器模式，它的IO行为是每次读进来8K的数据到缓冲区(当然，缓冲区的大小我们是可以通过构造器修改的)，如果需要使用数据的时候，再直接从缓冲区里面拿出数据来使用。

而FileReader的read方法，每调用一次就会read一次file，进行一次IO。不管是多次read还是一次性的read，都不是很优雅的在read文件的方式。多次read必然会产生多次IO，一次性的read如果遇到很大的文件，对内存是极不友好的。

所以BufferedReader既能提高的读取速度，又节省了IO的次数，是一种比较优雅的读取文件的方式。

BufferedWriter和FIleWriter同理。

研究一下BufferedReader的源码，就会发现，BufferedReader中对文件的读取还是通过FileReader来实现的，BufferedReader只是对其读取到的数据做一下缓冲，api如下。其中buffer操作的api和java nio中对buffer的操作类似。

有缓冲区 VS 没有缓冲区

没有缓冲区时，每次读取操作都会导致一次文件读取操作(就是告诉操作系统内核我要读这个文件的这个部分，麻烦你帮我把它取过来)。

有缓冲区时，会一次性读取很多数据，然后按要求分次交给上层调用者。

读取块大小通常是按最适合硬件的大小来读的，因为对于硬件来说，一次读取一块连续数据(比如 1K)和一次读取一个字节需要的时间几乎是一样的(都是一次读操作，只是最终提交的数据量有差异)，所以带缓冲的 I/O 和不带缓冲的相比效率差异是非常显著的

我们这里的需求是顺序读取，如果是随机读取，则使用RandomAccessFile。

所谓随机读取，就是说我们需要自由访问文件的任意位置(指定位置读，指定位置写)，所以如果需要访问文件的部分内容，RandomAccessFile将是更好的选择。所以当我们要下载一个大文件时，可以通过多线程使用RandomAccessFile来实现。同样的，对于文件的切割、合并，使用RandomAccessFile效率都会很高。

2.2 业务处理

BufferedReader读取文件后，每读10000行，就丢入线程池，然后调用服务层处理，应用层这里不做任何业务逻辑处理，因为应用层必然是用一个节点处理业务，但是=我们通过http调用服务层后，是可以通过多个节点处理的，这样就可以提升处理效率。

ThreadPoolExecutor threadPoolExecutor = new ThreadPoolExecutor(10, 50, 0L, TimeUnit.MILLISECONDS, new LinkedBlockingQueue());

BufferedReader bufferedReader = null;

try {

bufferedReader = new BufferedReader(new InputStreamReader(new FileInputStream("E:\code\esg-cemp-core-nonactivity-01394067\logs\system\system2.log"), StandardCharsets.UTF_8));

List lines = new ArrayList<>();

String lineTXT="";

long count = 0;

while ((lineTXT = bufferedReader.readLine()) != null) {

if(count % 10000 == 0){

executorService.execute(new Runnable() {

@Override

public void run() {

//调用微服务

System.out.println("------调用微服务--------");

}

});

lines.clear();

}

lines.add(lineTXT);

count++;

}

if(lines.size()>0){

//调用微服务

System.out.println("-------调用微服务-------");

}

//及时关闭线程池，对于这种使用不是很频繁的线程池使用完毕以后，可以及时关闭以节省资源

//shutdown关闭以后，就不能再提交任务了，

threadPoolExecutor.shutdown();

} catch (Exception e) {

e.printStackTrace();

}

3、业务层处理

3.1 业务处理

业务处理比较简单，就是把String 切割成多个字段，然后变换成PO对象。

3.2 mysql 插入

方法一：mybatis foreach

foreach的作用是构建in条件，通过foreach可以在SQL语句中进行迭代一个集合。

优点是使用方便；

缺点是每条sql是有长度限制的，所以list的数量跟表字段多少直接关联；

activityProductUserFlowPoMapper.insertList(list2);

insert into t_non_standard_act_user_flow (act_pro_id, user_id,

mobile, point, status,

extend)

values

(#{item.actProId,jdbcType=BIGINT}, #{item.userId,jdbcType=VARCHAR},

#{item.mobile,jdbcType=VARCHAR}, #{item.point,jdbcType=INTEGER}, #{item.status,jdbcType=TINYINT},

#{item.extend,jdbcType=VARCHAR})

方法二：mybatis batch

Mybatis内置的ExecutorType有3种，默认的是simple，该模式下它为每个语句的执行创建一个新的预处理语句，单条提交sql；而batch模式重复使用已经预处理的语句，并且批量执行所有更新语句。

SqlSession sqlSession = sqlSessionFactory.openSession(ExecutorType.BATCH);

Mapper userMapper = sqlSession.getMapper(Mapper.class);

int size = 10000;

try {

for (int i = 0; i < size; i++) {

User user = new User();

user.setName(String.valueOf(System.currentTimeMillis()));

fooMapper.insert(foo);

if (i % 1000 == 0 || i == size - 1) {

//手动每1000个一提交，提交后无法回滚

session.commit();

//清理缓存，防止溢出

session.clearCache();

}

}

} catch (Exception e) {

//没有提交的数据可以回滚

session.rollback();

} finally {

session.close();

}

需要在jdbc连接url上追加rewriteBatchedStatements=true，否则不起作用

方法三：jdbc batch

采用PreparedStatement.addBatch()方式实现，发送的是预编译后的SQL语句，执行效率高。

Long start = System.currentTimeMillis();

DruidDataSource dataSource = SpringUtils.getBean("dataSource");

//从连接池中获取connection

DruidPooledConnection conn =dataSource.getConnection();

conn.setAutoCommit(false);

try {

String sql = "insert into act_user_flow (act_pro_id, user_id, mobile, point, status) values(?,?,?,?,?)";

PreparedStatement ps = conn.prepareStatement(sql);

for (int i = 0; i < list.size; i++) {

ps.setLong(1,list[i].getActProId());

ps.setString(2,list[i].getUserId());

ps.setString(3,list[i].getMobile());

ps.setInt(4,list[i].getPoint());

ps.setInt(5,DuobaoGoodEnum.ACTIVITY_PRODUCT_ONLINE.getCode());

ps.addBatch();

//小批量提交,避免OOM

if((i+1) % 1000 == 0) {

ps.executeBatch();

ps.clearBatch();

}

}

//提交剩余的数据

ps.executeBatch();

conn.commit();

} catch (SQLException throwables) {

throwables.printStackTrace();

} finally {

//使用完以后放回连接池

conn.close();

}

System.out.println("insert cost time = " + (System.currentTimeMillis()-start));

需要在jdbc连接url上追加rewriteBatchedStatements=true，否则不起作用

性能比较

同个表插入一万条数据时间近似值：

JDBC BATCH 1.1秒左右 > Mybatis BATCH 2.2秒左右 >Mybatis foreach 4.5秒左右

方法二和方法三利用的是mysql的批量提交，需要在jdbc连接url上追加rewriteBatchedStatements=true，如下

jdbc:mysql://xxx.com.cn/xxx?useUnicode=true&characterEncoding=utf8&allowMultiQueries=true&rewriteBatchedStatements=true

MySQL JDBC驱动在默认情况下会无视executeBatch()语句，把我们期望批量执行的一组sql语句拆散，一条一条地发给MySQL数据库，批量插入实际上是单条插入，直接造成较低的性能。

只有把rewriteBatchedStatements参数置为true, 驱动才会帮你批量执行SQL

另外这个选项对INSERT/UPDATE/DELETE都有效

扩展：

jdbc连接url上allowMultiQueries=true的作用：

1.可以在sql语句后携带分号，实现多语句执行。

2.可以执行批处理，同时发出多个SQL语句。

$ 和#的区别

#{}：是以预编译的形式，将参数设置到sql语句中；PreparedStatement；防止sql注入

${}：取出的值直接拼装在sql语句中；会有安全问题；

如下所示：

select * from tbl_employee where id=${id} and last_name=#{lastName}

Preparing: select * from tbl_employee where id=2 and last_name=?

如果id为 '2 or 1=1'，则会发生数据泄露，这就是sql注入。

Preparing: select * from tbl_employee where id=2 or 1=1 and last_name=?

获取DruidDataSource当前活跃连接数

//当前活跃的，即正在被使用的连接数

System.out.println(dataSource.getActiveCount()); ——活跃连接都在activeConnections(Map)中

//最大连接数

System.out.println("========="+dataSource.getMaxActive());

//poolingCount值代表剩余可用的连接数，每次从末尾拿走连接

System.out.println(dataSource.getPoolingCount());  ——剩余可用连接都在connections(数组)中

//activeCount + poolingCount只能小于等于maxActive

activeCount + poolingCount <= maxActive

本文内容不用于商业目的，如涉及知识产权问题，请权利人联系51Testing小编(021-64471599-8017)，我们将立即处理