前言
由于项目是使用MyBatis-Plus开发的,用起来也确实比较方便,尤其是service层封装好的一些通用的增删改查方法,省去了不少sql语句的书写,但是在开发过程中,我也发现MyBatis-Plus的saveBatch批量插入方法针对MySQL数据库可能会出现效率贼低的情况,通过不断查询资料发现可以通过加rewriteBatchedStatements参数来解决(保证5.1.13以上版本)。
一、rewriteBatchedStatements参数介绍
MySQL的JDBC连接的url中要加rewriteBatchedStatements参数,并保证5.1.13以上版本的驱动,才能实现高性能的批量插入。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
如果你去看源码
会发现,默认的saveBatch方法,是通过for循环一条一条执行了 sqlSession.insert,下面的 consumer 执行的就是上面的 sqlSession.insert:
然后累计一定数量后,一批 flush。从这点来看,这个 saveBach 的性能肯定比直接一条一条 insert 快。
添加rewriteBatchedStatements=true这个参数后,会进入下面这个方法,对SQL 语句进行rewrite
对插入而言,所谓的 rewrite 其实就是将一批插入拼接成 insert into xxx values (a),(b),©…这样一条语句的形式然后执行,这样一来插入速度会大大提升。
下面通过一个例子来进行测试一下.
二、批量添加员工信息测试
1.普通saveBatch批量插入
我们循环1万次,把每个实例员工对象装到员工集合(List)中,然后调用Mybatis-Plus的saveBatch方法,传入List集合,实现批量员工的插入,然后我们在方法开始结束的地方,计算当前函数执行时长。
@PostMapping("/addBath")
@ResponseBody
public ApiResult<Employee> addBath(){
long startTime = System.currentTimeMillis();
List<Employee> list = new ArrayList<>();
// 循环批量添加1万条员工数据
for (int i = 0; i < 10000; i++) {
Employee employee = new Employee();
employee.setName("DT测试"+i);
employee.setAge(20);
employee.setSalary(9000D);
employee.setDepartmentId(i);
list.add(employee);
}
boolean batch = employeeService.saveBatch(list);
if(batch){
long endTime = System.currentTimeMillis();
System.out.println("函数执行时间:" + (endTime - startTime) + "ms");
return ApiResult.ok();
}
return ApiResult.fail();
}
为了测试的细致,我多点了几下这个方法,下面是每次记录的时长:
批量添加1万条员工数据,测试结果如下:
第一次:(2秒多)
第二次:(接近2秒)
第三次:(接近2秒)
差不多添加1万条数据在2秒左右,这个时候我们加大量10万条,再测试:
批量添加10万条员工数据,测试结果如下:
第一次:(19.341 秒)
第二次:(18.298 秒)
2.设置rewriteBatchedStatements=true批量插入
下面我们为数据库的连接加上rewriteBatchedStatements=true的属性,再测试批量加入的耗时。
rewriteBatchedStatements=true
批量添加1万条员工数据,测试结果如下:
对比默认插入:
1万条数据:2s -->>> 0.5s
批量添加10万条员工数据,测试结果如下:
对比默认插入:
1万条数据:20s -->>> 5s
总结
所以,通过以上测试我们能发现,加了rewriteBatchedStatements的saveBatch要比默认的saveBatch快好几倍,如果你想验证rewriteBatchedStatements在你的系统里是否已经生效,记得要使用较大的batch,这样才能更明显的看出差距.