数据库批量插入这么讲究的么？

最近新的项目写了不少各种 insertBatch 的代码，一直有人说，批量插入比循环插入效率高很多，那本文就来实验一下,到底是不是真的？

测试环境：

SpringBoot 2.5
Mysql 8
JDK 8
Docker

首先，多条数据的插入，可选的方案：

foreach循环插入
拼接sql，一次执行
使用批处理功能插入

搭建测试环境`

sql文件：

drop database IF EXISTS test;
CREATE DATABASE test;
use test;
DROP TABLE IF EXISTS `user`;
CREATE TABLE `user` (`id` int(11) NOT NULL,`name` varchar(255) DEFAULT "",`age` int(11) DEFAULT 0,PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

应用的配置文件：

server:port: 8081
spring:#数据库连接配置datasource:driver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://127.0.0.1:3306/test?characterEncoding=utf-8&useSSL=false&allowPublicKeyRetrieval=true&&serverTimezone=UTC&setUnicode=true&characterEncoding=utf8&&nullCatalogMeansCurrent=true&&autoReconnect=true&&allowMultiQueries=trueusername: rootpassword: 123456
#mybatis的相关配置
mybatis:#mapper配置文件mapper-locations: classpath:mapper/*.xmltype-aliases-package: com.aphysia.spingbootdemo.model#开启驼峰命名configuration:map-underscore-to-camel-case: true
logging:level:root: error

启动文件，配置了Mapper文件扫描的路径：

import org.mybatis.spring.annotation.MapperScan;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.EnableAutoConfiguration;
import org.springframework.boot.autoconfigure.SpringBootApplication;@SpringBootApplication
@MapperScan("com.aphysia.springdemo.mapper")
public class SpringdemoApplication {public static void main(String[] args) {SpringApplication.run(SpringdemoApplication.class, args);}}

Mapper文件一共准备了几个方法，插入单个对象，删除所有对象，拼接插入多个对象：

import com.aphysia.springdemo.model.User;
import org.apache.ibatis.annotations.Param;import java.util.List;public interface UserMapper {int insertUser(User user);int deleteAllUsers();int insertBatch(@Param("users") List<User>users);
}

Mapper.xml文件如下：

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE mapper PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN" "http://mybatis.org/dtd/mybatis-3-mapper.dtd" >
<mapper namespace="com.aphysia.springdemo.mapper.UserMapper"><insert id="insertUser" parameterType="com.aphysia.springdemo.model.User">insert  into user(id,age) values(#{id},#{age})</insert><delete id="deleteAllUsers">delete from user where id>0;</delete><insert id="insertBatch" parameterType="java.util.List">insert into user(id,age) VALUES<foreach collection="users" item="model" index="index" separator=",">(#{model.id}, #{model.age})</foreach></insert>
</mapper>

测试的时候，每次操作我们都删除掉所有的数据，保证测试的客观，不受之前的数据影响。

不同的测试

1. foreach 插入

先获取列表，然后每一条数据都执行一次数据库操作，插入数据：

@SpringBootTest
@MapperScan("com.aphysia.springdemo.mapper")
class SpringdemoApplicationTests {@AutowiredSqlSessionFactory sqlSessionFactory;@ResourceUserMapper userMapper;static int num = 100000;static int id = 1;@Testvoid insertForEachTest() {List<User> users = getRandomUsers();long start = System.currentTimeMillis();for (int i = 0; i < users.size(); i++) {userMapper.insertUser(users.get(i));}long end = System.currentTimeMillis();System.out.println("time:" + (end - start));}
}

2. 拼接sql插入

其实就是用以下的方式插入数据：

INSERT INTO `user` (`id`, `age`)
VALUES (1, 11),
(2, 12),
(3, 13),
(4, 14),
(5, 15);

    @Testvoid insertSplicingTest() {List<User> users = getRandomUsers();long start = System.currentTimeMillis();userMapper.insertBatch(users);long end = System.currentTimeMillis();System.out.println("time:" + (end - start));}

3. 使用Batch批量插入

将MyBatis session 的 executor type 设为 Batch，使用sqlSessionFactory将执行方式置为批量，自动提交置为false,全部插入之后，再一次性提交：

    @Testpublic void insertBatch(){SqlSession sqlSession = sqlSessionFactory.openSession(ExecutorType.BATCH, false);UserMapper mapper = sqlSession.getMapper(UserMapper.class);List<User> users = getRandomUsers();long start = System.currentTimeMillis();for(int i=0;i<users.size();i++){mapper.insertUser(users.get(i));}sqlSession.commit();sqlSession.close();long end = System.currentTimeMillis();System.out.println("time:" + (end - start));}

4. 批量处理+分批提交

在批处理的基础上，每1000条数据，先提交一下，也就是分批提交。

    @Testpublic void insertBatchForEachTest(){SqlSession sqlSession = sqlSessionFactory.openSession(ExecutorType.BATCH, false);UserMapper mapper = sqlSession.getMapper(UserMapper.class);List<User> users = getRandomUsers();long start = System.currentTimeMillis();for(int i=0;i<users.size();i++){mapper.insertUser(users.get(i));if (i % 1000 == 0 || i == num - 1) {sqlSession.commit();sqlSession.clearCache();}}sqlSession.close();long end = System.currentTimeMillis();System.out.println("time:" + (end - start));}

初次结果，明显不对？

运行上面的代码，我们可以得到下面的结果，for循环插入的效率确实很差，拼接的sql效率相对高一点，看到有些资料说拼接sql可能会被mysql限制，但是我执行到1000w的时候，才看到堆内存溢出。

下面是不正确的结果！！！

插入方式	10	100	1000	1w	10w	100w	1000w
for循环插入	387	1150	7907	70026	635984	太久了…	太久了…
拼接sql插入	308	320	392	838	3156	24948	OutOfMemoryError: 堆内存溢出
批处理	392	917	5442	51647	470666	太久了…	太久了…
批处理 + 分批提交	359	893	5275	50270	472462	太久了…	太久了…

拼接sql并没有超过内存

我们看一下mysql的限制:

mysql> show VARIABLES like '%max_allowed_packet%';
+---------------------------+------------+
| Variable_name             | Value      |
+---------------------------+------------+
| max_allowed_packet        | 67108864   |
| mysqlx_max_allowed_packet | 67108864   |
| slave_max_allowed_packet  | 1073741824 |
+---------------------------+------------+
3 rows in set (0.12 sec)

这67108864足足600多M，太大了，怪不得不会报错，那我们去改改一下它吧，改完重新测试：

首先在启动mysql的情况下，进入容器内，也可以直接在Docker桌面版直接点Cli图标进入：

docker exec -it mysql bash

进入/etc/mysql目录，去修改my.cnf文件：

cd /etc/mysql

先按照vim，要不编辑不了文件：

apt-get update
apt-get install vim

修改my.cnf

vim my.cnf

在最后一行添加max_allowed_packet=20M(按i编辑，编辑完按esc，输入:wq退出)


[mysqld]
pid-file        = /var/run/mysqld/mysqld.pid
socket          = /var/run/mysqld/mysqld.sock
datadir         = /var/lib/mysql
secure-file-priv= NULL
# Disabling symbolic-links is recommended to prevent assorted security risks
symbolic-links=0# Custom config should go here
!includedir /etc/mysql/conf.d/
max_allowed_packet=2M

退出容器

# exit

查看mysql容器id

docker ps -a

重启mysql

docker restart c178e8998e68

重启成功后查看最大的max_allowed_pactet，发现已经修改成功：

mysql> show VARIABLES like '%max_allowed_packet%';
+---------------------------+------------+
| Variable_name             | Value      |
+---------------------------+------------+
| max_allowed_packet        | 2097152    |
| mysqlx_max_allowed_packet | 67108864   |
| slave_max_allowed_packet  | 1073741824 |
+---------------------------+------------+

我们再次执行拼接sql，发现100w的时候，sql就达到了3.6M左右，超过了我们设置的2M，成功的演示抛出了错误：

org.springframework.dao.TransientDataAccessResourceException:
### Cause: com.mysql.cj.jdbc.exceptions.PacketTooBigException: Packet for query is too large (36,788,583 > 2,097,152). You can change this value on the server by setting the 'max_allowed_packet' variable.
; Packet for query is too large (36,788,583 > 2,097,152). You can change this value on the server by setting the 'max_allowed_packet' variable.; nested exception is com.mysql.cj.jdbc.exceptions.PacketTooBigException: Packet for query is too large (36,788,583 > 2,097,152). You can change this value on the server by setting the 'max_allowed_packet' variable.

批量处理为什么这么慢？

但是，仔细一看就会发现，上面的方式，怎么批处理的时候，并没有展示出优势了，和for循环没有什么区别？这是对的么？

这肯定是不对的，从官方文档中，我们可以看到它会批量更新，不会每次去创建预处理语句，理论是更快的。

然后我发现我的一个最重要的问题：数据库连接 URL地址少了rewriteBatchedStatements=true

如果我们不写，MySQL JDBC 驱动在默认情况下会忽视 executeBatch() 语句，我们期望批量执行的一组 sql 语句拆散，但是执行的时候是一条一条地发给 MySQL 数据库，实际上是单条插入，直接造成较低的性能。我说怎么性能和循环去插入数据差不多。

只有将 rewriteBatchedStatements 参数置为 true, 数据库驱动才会帮我们批量执行 SQL。

正确的数据库连接：

jdbc:mysql://127.0.0.1:3306/test?characterEncoding=utf-8&useSSL=false&allowPublicKeyRetrieval=true&&serverTimezone=UTC&setUnicode=true&characterEncoding=utf8&&nullCatalogMeansCurrent=true&&autoReconnect=true&&allowMultiQueries=true&&&rewriteBatchedStatements=true

找到问题之后，我们重新测试批量测试,最终的结果如下：

插入方式	10	100	1000	1w	10w	100w	1000w
for循环插入	387	1150	7907	70026	635984	太久了…	太久了…
拼接sql插入	308	320	392	838	3156	24948（很可能超过sql长度限制）	OutOfMemoryError: 堆内存溢出
批处理(重点)	333	323	362	636	1638	8978	OutOfMemoryError: 堆内存溢出
批处理 + 分批提交	359	313	394	630	2907	18631	OutOfMemoryError: 堆内存溢出

从上面的结果来看，确实批处理是要快很多的，当数量级太大的时候，其实都会超过内存溢出的，批处理加上分批提交并没有变快，和批处理差不多，反而变慢了，提交太多次了，拼接sql的方案在数量比较少的时候其实和批处理相差不大，最差的方案就是for循环插入数据，这真的特别的耗时。100条的时候就已经需要1s了，不能选择这种方案。

一开始发现批处理比较慢的时候，真的挺怀疑自己，后面发现是有一个参数，有一种拨开云雾的感觉，知道得越多，不知道的越多。

【作者简介】：
秦怀，公众号【秦怀杂货店】作者，技术之路不在一时，山高水长，纵使缓慢，驰而不息。

剑指Offer全部题解PDF

2020年我写了什么？

开源编程笔记