测试的方案： 执行10万次Insert语句，使用不同方式。 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。 SQL代码 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.*;
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();
}
}
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);
}
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！");
}
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！");
}
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！");
}
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。
批量添加优化代码备注：
/**
* @param sql
* @param batchArgs 预处理数据
* @param maxSize 每次批处理的最大行数
* @return
* @throws DataAccessException
*/
public void batchUpdateExt(String sql, List<Object[]> batchArgs , int maxSize)
throws DataAccessException {
int size;
//情况1、预处理数据量可以整除最大行数
// 2、预处理数据不能整除最大行数
if (null != batchArgs && (size = batchArgs.size()) > 0 && maxSize > 0) {
List<Object[]> batchArgsTemp = new ArrayList<Object[]>();
int n = 0 , m = 0 , l = size%maxSize;
int flag = (size%maxSize == 0) ? 0 : 1;
size = size/maxSize;
for(Object[] obj : batchArgs) {
batchArgsTemp.add(obj);
n++;
//预处理数据不能整除最大行数时，最后几行数据的处理,
//n==l表示最后一部分数据;
if(size == m && n == l) {
flag = 0;
}
//情况1、大于等于最大行数
// 2、预处理数据不能整除最大行数时，最后几行数据的处理,flag=0
// 3、预处理数据量可以整除最大行数,flag=0
if(n >= maxSize || flag == 0) {
try {
jdbcTemplate.batchUpdate(sql, batchArgsTemp);
batchArgsTemp.clear();
n = 0;
m++;
} catch (Exception e) {
log.debug(e);
}
}
}
}
}
文章来源：http://lavasoft.blog.51cto.com/62575/185010
![Java小案例——随机数猜测随机数猜测[图]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)