批量SQL优化实战

有时在工作中，我们需要将大量的数据持久化到数据库中，如果数据量很大的话直接插入的执行速度非常慢，并且由于插入操作也没有太多能够进行sql优化的地方，所以只能从程序代码的角度进行优化。所以本文将尝试使用几种不同方式对插入操作进行优化，看看如何能够最大程度的缩短SQL执行时间。

以插入1000条数据为例，首先进行数据准备，用于插入数据库测试：

private List<Order> prepareData(){
    List<Order> orderList=new ArrayList<>();
    for (int i = 1; i <= 1000; i++) {
        Order order=new Order();
        order.setId(Long.valueOf(i));
        order.setOrderNumber("A");
        order.setMoney(100D);
        order.setTenantId(1L);
        orderList.add(order);
    }
    return orderList;
}

直接插入

首先测试直接插入1000条数据：

public void noBatch() {
    List<Order> orderList = prepareData();
    long startTime = System.currentTimeMillis();
    for (Order order : orderList) {
        orderMapper.insert(order);
    }
    System.out.println("总耗时: " + (System.currentTimeMillis() - startTime) / 1000.0 + "s");
}

执行上面的代码，为了避免出现波动，执行3次记录运行时间：

mybatis-plus 批量插入

接下来，使用mybatis-plus的批量查询，我们的业务接口需要继承IService接口：

public interface SqlService extends IService<Order> {
}

在实现类SqlServiceImpl中直接调用saveBatch方法：

public void plusBatch() {
    List<Order> orderList = prepareData();
    long startTime = System.currentTimeMillis();
    saveBatch(orderList);
    System.out.println("总耗时: " + (System.currentTimeMillis() - startTime) / 1000.0 + "s");
}

执行上面的代码，查看运行时间：

可以发现，使用mybatis-plus的批量插入并没有比循环单条插入缩短执行时间，所以来查看一下saveBatch方法的源码：

@Transactional(rollbackFor = Exception.class)
@Override
public boolean saveBatch(Collection<T> entityList, int batchSize) {
    String sqlStatement = sqlStatement(SqlMethod.INSERT_ONE);
    return executeBatch(entityList, batchSize, (sqlSession, entity) -> sqlSession.insert(sqlStatement, entity));
}

其中调用了executeBatch方法：

protected <E> boolean executeBatch(Collection<E> list, int batchSize, BiConsumer<SqlSession, E> consumer) {
    Assert.isFalse(batchSize < 1, "batchSize must not be less than one");
    return !CollectionUtils.isEmpty(list) && executeBatch(sqlSession -> {
        int size = list.size();
        int i = 1;
        for (E element : list) {
            consumer.accept(sqlSession, element);
            if ((i % batchSize == 0) || i == size) {
                sqlSession.flushStatements();
            }
            i++;
        }
    });
}

在for循环中，consumer的accept执行的是sqlSession的insert操作，这一阶段都是对sql的拼接，只有到最后当for循环执行完成后，才会将数据批量刷新到数据库中。也就是说，之前我们向数据库服务器发起了1000次请求，但是使用批量插入，只需要发起一次请求就可以了。如果抛出异常，则会进行回滚，不会向数据库中写入数据。但是虽然减少了数据库请求的次数，对于缩短执行时间并没有显著的提升。

并行流

Stream是JAVA8中用于处理集合的关键抽象概念，可以进行复杂的查找、过滤、数据映射等操作。而并行流Parallel Stream，可以将整个数据内容分成多个数据块，并使用多个线程分别处理每个数据块的流。在大量数据的插入操作中，不存在数据的依赖的耦合关系，因此可以进行拆分使用并行流进行插入。测试插入的代码如下：

public void stream(){
    List<Order> orderList = prepareData();
    long startTime = System.currentTimeMillis();
    orderList.parallelStream().forEach(order->orderMapper.insert(order));
    System.out.println("总耗时: " + (System.currentTimeMillis() - startTime) / 1000.0 + "s");
}

还是先对上面的代码进行测试：

可以发现速度比之前快了很多，这是因为并行流底层使用了Fork/Join框架，具体来说使用了“分而治之”的思想，对任务进行了拆分，使用不同线程进行执行，最后汇总(对Fork/Join不熟悉的同学可以回顾一下请求合并与分而治之这篇文章，介绍了它的基础使用)。并行流在底层使用了ForkJoinPool线程池，从ForkJoinPool的默认构造函数中看出，它拥有的默认线程数量等于计算机的逻辑处理器数量：

public ForkJoinPool() {
    this(Math.min(MAX_CAP, Runtime.getRuntime().availableProcessors()),
         defaultForkJoinWorkerThreadFactory, null, false);
}

也就是说，如果我们服务器是逻辑8核的话，那么就会有8个线程来同时执行插入操作，大大缩短了执行的时间。并且ForkJoinPool线程池为了提高任务的并行度和吞吐量，采用了任务窃取机制，能够进一步的缩短执行的时间。

Fork/Join

在并行流中，创建的ForkJoinPool的线程数量是固定的，那么通过手动修改线程池中线程的数量，能否进一步的提高执行效率呢?一般而言，在线程池中，设置线程数量等于处理器数量就可以了，因为如果创建过多线程，线程频繁切换上下文也会额外消耗时间，反而会增加执行的总体时间。但是对于批量SQL的插入操作，没有复杂的业务处理逻辑，仅仅是需要频繁的与数据库进行交互，属于I/O密集型操作。而对于I/O密集型操作，程序中存在大量I/O等待占据时间，导致CPU使用率较低。所以我们尝试增加线程数量，来看一下能否进一步缩短执行时间呢?

定义插入任务，因为不需要返回，直接继承RecursiveAction父类。size是每个队列中包含的任务数量，在构造方法中传入，如果一个队列中的任务数量大于它那么就继续进行拆分，直到任务数量足够小：

public class BatchInsertTask<E> extends RecursiveAction {
    private List<E> list;
    private BaseMapper<E> mapper;
    private int size;

    public BatchInsertTask(List<E> list, BaseMapper<E> mapper, int size) {
        this.list = list;
        this.mapper = mapper;
        this.size = size;
    }

    @Override
    protected void compute() {
        if (list.size() <= size) {
            list.stream().forEach(item -> mapper.insert(item));
        } else {
            int middle = list.size() / 2;
            List<E> left = list.subList(0, middle);
            List<E> right = list.subList(middle, list.size());
            BatchInsertTask<E> leftTask = new BatchInsertTask<>(left, mapper, size);
            BatchInsertTask<E> rightTask = new BatchInsertTask<>(right, mapper, size);
            invokeAll(leftTask, rightTask);
        }
    }
}

使用ForkJoinPool运行上面定义的任务，线程池中的线程数取CPU线程的2倍，将执行的SQL条数均分到每个线程的执行队列中：

public class BatchSqlUtil {
    public static <E> void runSave(List<E> list, BaseMapper<E> mapper) {
        int processors = getProcessors();
        ForkJoinPool forkJoinPool = new ForkJoinPool(processors);
        int size = (int) Math.ceil((double)list.size() / processors);
        BatchInsertTask<E> task = new BatchInsertTask<E>(list, mapper, size);
        forkJoinPool.invoke(task);
    }

    private static int getProcessors() {
        int processors = Runtime.getRuntime().availableProcessors();
        return processors<<=1;
    }
}

启动测试代码：

public void batch() {
    List<Order> orderList = prepareData();
    long startTime = System.currentTimeMillis();
    BatchSqlUtil.runSave(orderList,orderMapper);
    System.out.println("总耗时: " + (System.currentTimeMillis() - startTime) / 1000.0 + "s");
}

查看运行时间：

可以看到，通过增加ForkJoinPool中的线程，可以进一步的缩短批量插入的时间。

本文转载自微信公众号「码农参上」