（转）sql批量执行效率对比

　环境：

　　MySQL 5.1

　　RedHat Linux AS 5

　　JavaSE 1.5

　　DbConnectionBroker 微型数据库连接池

　　测试的方案：

　　执行10万次Insert语句，使用不同方式。

　　A组：静态SQL，自动提交，没事务控制(MyISAM引擎)

　　1、逐条执行10万次

　　2、分批执行将10万分成m批，每批n条，分多种分批方案来执行。

　　B组：预编译模式SQL，自动提交，没事务控制(MyISAM引擎)

　　1、逐条执行10万次

　　2、分批执行将10万分成m批，每批n条，分多种分批方案来执行。

　　-------------------------------------------------------------------------------------------

　　C组：静态SQL，不自动提交，有事务控制(InnoDB引擎)

　　1、逐条执行10万次

　　2、分批执行将10万分成m批，每批n条，分多种分批方案来执行。

　　D组：预编译模式SQL，不自动提交，有事务控制(InnoDB引擎)

　　1、逐条执行10万次

　　2、分批执行将10万分成m批，每批n条，分多种分批方案来执行。

　　本次主要测试C、D组，并得出测试结果。

DROP TABLE IF EXISTS tuser; 
　　CREATE TABLE tuser ( 
　　id bigint(20) NOT NULL AUTO_INCREMENT, 
　　name varchar(12) DEFAULT NULL, 
　　remark varchar(24) DEFAULT NULL, 
　　createtime datetime DEFAULT NULL, 
　　updatetime datetime DEFAULT NULL, 
　　PRIMARY KEY (id) 
　　) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8; 

 

　//　C、D组测试代码： 
　　package testbatch; 
　　import java.io.IOException; 
　　import java.sql.*; 
　　/** 
　　* JDBC批量Insert优化(下) 
　　* 
　　* @author leizhimin 2009-7-29 10:03:10 
　　*/ 
　　public class TestBatch { 
　　public static DbConnectionBroker myBroker = null; 
　　static { 
　　try { 
　　myBroker = new DbConnectionBroker("com.mysql.jdbc.Driver", 
　　"jdbc:mysql://192.168.104.163:3306/testdb", 
　　"vcom", "vcom", 2, 4, 
　　"c:\\testdb.log", 0.01); 
　　} catch (IOException e) { 
　　e.printStackTrace(); 
　　} 
　　} 
　　/** 
　　* 初始化测试环境 
　　* 
　　* @throws SQLException 异常时抛出 
　　*/ 
　　public static void init() throws SQLException { 
　　Connection conn = myBroker.getConnection(); 
　　conn.setAutoCommit(false); 
　　Statement stmt = conn.createStatement(); 
　　stmt.addBatch("DROP TABLE IF EXISTS tuser"); 
　　stmt.addBatch("CREATE TABLE tuser (\n" + 
　　" id bigint(20) NOT NULL AUTO_INCREMENT,\n" + 
　　" name varchar(12) DEFAULT NULL,\n" + 
　　" remark varchar(24) DEFAULT NULL,\n" + 
　　" createtime datetime DEFAULT NULL,\n" + 
　　" updatetime datetime DEFAULT NULL,\n" + 
　　" PRIMARY KEY (id)\n" + 
　　") ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8"); 
　　stmt.executeBatch(); 
　　conn.commit(); 
　　myBroker.freeConnection(conn); 
　　} 
　　/** 
　　* 100000条静态SQL插入 
　　* 
　　* @throws Exception 异常时抛出 
　　*/ 
　　public static void testInsert() throws Exception { 
　　init(); //初始化环境 
　　Long start = System.currentTimeMillis(); 
　　for (int i = 0; i < 100000; i++) { 
　　String sql = "\n" + 
　　"insert into testdb.tuser \n" + 
　　"\t(name, \n" + 
　　"\tremark, \n" + 
　　"\tcreatetime, \n" + 
　　"\tupdatetime\n" + 
　　"\t)\n" + 
　　"\tvalues\n" + 
　　"\t('" + RandomToolkit.generateString(12) + "', \n" + 
　　"\t'" + RandomToolkit.generateString(24) + "', \n" + 
　　"\tnow(), \n" + 
　　"\tnow()\n" + 
　　")"; 
　　Connection conn = myBroker.getConnection(); 
　　conn.setAutoCommit(false); 
　　Statement stmt = conn.createStatement(); 
　　stmt.execute(sql); 
　　conn.commit(); 
　　myBroker.freeConnection(conn); 
　　} 
　　Long end = System.currentTimeMillis(); 
　　System.out.println("单条执行100000条Insert操作，共耗时：" + (end - start) / 1000f + "秒!"); 
　　} 
　　/** 
　　* 批处理执行静态SQL测试 
　　* 
　　* @param m 批次 
　　* @param n 每批数量 
　　* @throws Exception 异常时抛出 
　　*/ 
　　public static void testInsertBatch(int m, int n) throws Exception { 
　　init(); //初始化环境 
　　Long start = System.currentTimeMillis(); 
　　for (int i = 0; i < m; i++) { 
　　//从池中获取连接 
　　Connection conn = myBroker.getConnection(); 
　　conn.setAutoCommit(false); 
　　Statement stmt = conn.createStatement(); 
　　for (int k = 0; k < n; k++) { 
　　String sql = "\n" + 
　　"insert into testdb.tuser \n" + 
　　"\t(name, \n" + 
　　"\tremark, \n" + 
　　"\tcreatetime, \n" + 
　　"\tupdatetime\n" + 
　　"\t)\n" + 
　　"\tvalues\n" + 
　　"\t('" + RandomToolkit.generateString(12) + "', \n" + 
　　"\t'" + RandomToolkit.generateString(24) + "', \n" + 
　　"\tnow(), \n" + 
　　"\tnow()\n" + 
　　")"; 
　　//加入批处理 
　　stmt.addBatch(sql); 
　　} 
　　stmt.executeBatch(); //执行批处理 
　　conn.commit(); 
　　// stmt.clearBatch(); //清理批处理 
　　stmt.close(); 
　　myBroker.freeConnection(conn); //连接归池 
　　} 
　　Long end = System.currentTimeMillis(); 
　　System.out.println("批量执行" + m + "*" + n + "=" + m * n + "条Insert操作，共耗时：" + (end - start) / 1000f + "秒!"); 
　　} 
　　/** 
　　* 100000条预定义SQL插入 
　　* 
　　* @throws Exception 异常时抛出 
　　*/ 
　　public static void testInsert2() throws Exception { //单条执行100000条Insert操作，共耗时：40.422秒! 
　　init(); //初始化环境 
　　Long start = System.currentTimeMillis(); 
　　String sql = "" + 
　　"insert into testdb.tuser\n" + 
　　" (name, remark, createtime, updatetime)\n" + 
　　"values\n" + 
　　" (?, ?, ?, ?)"; 
　　for (int i = 0; i < 100000; i++) { 
　　Connection conn = myBroker.getConnection(); 
　　conn.setAutoCommit(false); 
　　PreparedStatement pstmt = conn.prepareStatement(sql); 
　　pstmt.setString(1, RandomToolkit.generateString(12)); 
　　pstmt.setString(2, RandomToolkit.generateString(24)); 
　　pstmt.setDate(3, new Date(System.currentTimeMillis())); 
　　pstmt.setDate(4, new Date(System.currentTimeMillis())); 
　　pstmt.executeUpdate(); 
　　conn.commit(); 
　　pstmt.close(); 
　　myBroker.freeConnection(conn); 
　　} 
　　Long end = System.currentTimeMillis(); 
　　System.out.println("单条执行100000条Insert操作，共耗时：" + (end - start) / 1000f + "秒!"); 
　　} 
　　/** 
　　* 批处理执行预处理SQL测试 
　　* 
　　* @param m 批次 
　　* @param n 每批数量 
　　* @throws Exception 异常时抛出 
　　*/ 
　　public static void testInsertBatch2(int m, int n) throws Exception { 
　　init(); //初始化环境 
　　Long start = System.currentTimeMillis(); 
　　String sql = "" + 
　　"insert into testdb.tuser\n" + 
　　" (name, remark, createtime, updatetime)\n" + 
　　"values\n" + 
　　" (?, ?, ?, ?)"; 
　　for (int i = 0; i < m; i++) { 
　　//从池中获取连接 
　　Connection conn = myBroker.getConnection(); 
　　conn.setAutoCommit(false); 
　　PreparedStatement pstmt = conn.prepareStatement(sql); 
　　for (int k = 0; k < n; k++) { 
　　pstmt.setString(1, RandomToolkit.generateString(12)); 
　　pstmt.setString(2, RandomToolkit.generateString(24)); 
　　pstmt.setDate(3, new Date(System.currentTimeMillis())); 
　　pstmt.setDate(4, new Date(System.currentTimeMillis())); 
　　//加入批处理 
　　pstmt.addBatch(); 
　　} 
　　pstmt.executeBatch(); //执行批处理 
　　conn.commit(); 
　　// pstmt.clearBatch(); //清理批处理 
　　pstmt.close(); 
　　myBroker.freeConnection(conn); //连接归池 
　　} 
　　Long end = System.currentTimeMillis(); 
　　System.out.println("批量执行" + m + "*" + n + "=" + m * n + "条Insert操作，共耗时：" + (end - start) / 1000f + "秒!"); 
　　} 
　　public static void main(String[] args) throws Exception { 
　　init(); 
　　Long start = System.currentTimeMillis(); 
　　System.out.println("--------C组测试----------"); 
　　testInsert(); 
　　testInsertBatch(100, 1000); 
　　testInsertBatch(250, 400); 
　　testInsertBatch(400, 250); 
　　testInsertBatch(500, 200); 
　　testInsertBatch(1000, 100); 
　　testInsertBatch(2000, 50); 
　　testInsertBatch(2500, 40); 
　　testInsertBatch(5000, 20); 
　　Long end1 = System.currentTimeMillis(); 
　　System.out.println("C组测试过程结束，全部测试耗时：" + (end1 - start) / 1000f + "秒!"); 
　　System.out.println("--------D组测试----------"); 
　　testInsert2(); 
　　testInsertBatch2(100, 1000); 
　　testInsertBatch2(250, 400); 
　　testInsertBatch2(400, 250); 
　　testInsertBatch2(500, 200); 
　　testInsertBatch2(1000, 100); 
　　testInsertBatch2(2000, 50); 
　　testInsertBatch2(2500, 40); 
　　testInsertBatch2(5000, 20); 
　　Long end2 = System.currentTimeMillis(); 
　　System.out.println("D组测试过程结束，全部测试耗时：" + (end2 - end1) / 1000f + "秒!"); 
　　} 
　　}

 　　

 

执行结果：

 

　　--------C组测试----------

　　单条执行100000条Insert操作，共耗时：103.656秒!

　　批量执行100*1000=100000条Insert操作，共耗时：31.328秒!

　　批量执行250*400=100000条Insert操作，共耗时：31.406秒!

　　批量执行400*250=100000条Insert操作，共耗时：31.75秒!

　　批量执行500*200=100000条Insert操作，共耗时：31.438秒!

　　批量执行1000*100=100000条Insert操作，共耗时：31.968秒!

　　批量执行2000*50=100000条Insert操作，共耗时：32.938秒!

　　批量执行2500*40=100000条Insert操作，共耗时：33.141秒!

　　批量执行5000*20=100000条Insert操作，共耗时：35.265秒!

　　C组测试过程结束，全部测试耗时：363.656秒!

　　--------D组测试----------

　　单条执行100000条Insert操作，共耗时：107.61秒!

　　批量执行100*1000=100000条Insert操作，共耗时：32.64秒!

　　批量执行250*400=100000条Insert操作，共耗时：32.641秒!

　　批量执行400*250=100000条Insert操作，共耗时：33.109秒!

　　批量执行500*200=100000条Insert操作，共耗时：32.859秒!

　　批量执行1000*100=100000条Insert操作，共耗时：33.547秒!

　　批量执行2000*50=100000条Insert操作，共耗时：34.312秒!

　　批量执行2500*40=100000条Insert操作，共耗时：34.672秒!

　　批量执行5000*20=100000条Insert操作，共耗时：36.672秒!

　　D组测试过程结束，全部测试耗时：378.922秒!

　　测试结果意想不到吧，最短时间竟然超过上篇。观察整个测试结果，发现总时间很长，原因是逐条执行的效率太低了。

　　结论：

　　在本测试条件下，得出结论：

　　数据库连接池控制下，不自动提交，事务控制(InnoDB引擎)

　　1、逐条执行的效率很低很低，尽可能避免逐条执行。

　　2、事务控制下，静态SQL的效率超过预处理SQL。

　　3、分批的大小对效率影响挺大的，一般来说，事务控制下，分批大小在100-1000之间比较合适。

　　4、谈到优化方式，上面的批处理就是很好的优化策略。

　　大总结：

　　对比上篇没事务的测试结果，得出一个全面的结论：

　　1、连接池最基本的也是最重要的优化策略，总能大幅提高性能。

　　2、批处理在效率上总是比逐条处理有优势，要处理的数据的记录条数越大，批处理的优势越明显，批处理还有一个好处就是减少了对数据库的链接次数，从而减轻数据库的压力。

　　3、批处理执行SQL的时候，批处理的分批的大小与数据库的吞吐量以及硬件配置有很大关系，需要通过测试找到最佳的分批大小，一般在50-1000之间。

　　4、预处理SQL在没事务的表上效率较高，在有实物的情况下比静态SQL稍有不及。但预定义SQL还有个好处就是消耗的内存较少，静态SQL串会占用大量的内存资源，容易导致内存溢出的问题。因此批量执行时候可以优先选择预定义SQL。

　　5、在批处理执行的时候，每批执行完成后，最好显式的调用pstmt.close()或stmt.close()方法，以便尽快释放执行过的SQL语句，提高内存利用率。

　　6、对于有大量SELECT操作，MyISAM是更好的选择;对于有大量INSERT和UPDATE操作的表，InnoDB效率更好。

　　7、虽然测试结果只能反映特定情况下的一些事实，以上的优化策略是普遍策略，可以明显缩短寻找最优策略的时间，对于效率要求很高的程序，还应该做并发性等测试。

　　8、测试是件很辛苦的事情，你需要有大量的事实来证明你的优化是有效的，而不能单单凭经验，因为每个机器的环境都不一样，使用的方式也不同。