在數(shù)據(jù)分析領(lǐng)域,數(shù)據(jù)庫是我們的好幫手。不僅可以接受我們的查詢時(shí)間,還可以在這基礎(chǔ)上做進(jìn)一步分析。所以,我們必然要在數(shù)據(jù)庫插入數(shù)據(jù)。在實(shí)際應(yīng)用中,我們經(jīng)常遇到千萬級(jí),甚至更大的數(shù)據(jù)量。如果沒有一個(gè)快速的插入方法,則會(huì)事倍功半,花費(fèi)大量的時(shí)間。
在參加阿里的天池大數(shù)據(jù)算法競賽中(流行音樂趨勢預(yù)測),我遇到了這樣的問題,在沒有優(yōu)化數(shù)據(jù)庫查詢及插入之前,我花了不少冤枉時(shí)間,沒有優(yōu)化之前,1500萬條數(shù)據(jù),光插入操作就花費(fèi)了不可思議的12個(gè)小時(shí)以上(使用最基本的逐條插入)。這也促使我思考怎樣優(yōu)化數(shù)據(jù)庫插入及查詢操作,提高效率。
在不斷優(yōu)化過程中,性能有大幅提升。在按時(shí)間序列從數(shù)據(jù)庫查詢并匯總生成2萬6000多首歌曲的下載,播放,收藏?cái)?shù)過程中,通過查詢生成的操作速度提高從預(yù)估的40多小時(shí)降低到一小時(shí)多。在數(shù)據(jù)庫插入方面,性能得到大幅提升;在新的數(shù)據(jù)集上測試,5490萬+的數(shù)據(jù),20分鐘完成了插入。下面分享一下我的心得。
優(yōu)化過程分為2步。第一步,實(shí)驗(yàn)靜態(tài)reader從CSV文件讀取數(shù)據(jù),達(dá)到一定量時(shí),開始多線程插入數(shù)據(jù)庫程序;第二步,使用mysq批量插入操作。
第一步,讀取文件,開始插入多線程
在這里,達(dá)到一定量的量是個(gè)需要斟酌的問題,在我的實(shí)驗(yàn)中,開始使用100w作為這個(gè)量,但是出現(xiàn)了新的問題,Java 堆內(nèi)存溢出,最終采用了10W作為量的標(biāo)準(zhǔn)。
當(dāng)然,可以有其他的量,看大家自己喜歡那個(gè)了。
import java.io.BufferedReader; import java.io.FileNotFoundException; import java.io.FileReader; import java.io.IOException; import java.util.ArrayList; import java.util.List; import preprocess.ImportDataBase; public class MuiltThreadImportDB { /** * Java多線程讀大文件并入庫 * * @param args */ private static int m_record = 99999; private static BufferedReader br = null; private ArrayListString> list; private static int m_thread = 0; static { try { br = new BufferedReader( new FileReader( "E:/tianci/IJCAI15 Data/data_format1/user_log_format1.csv"),8192); } catch (FileNotFoundException e) { e.printStackTrace(); } try { br.readLine(); // 去掉CSV Header } catch (IOException e) { e.printStackTrace(); } } public void start() { String line; int count = 0; list = new ArrayListString>(m_record + 1); synchronized (br) { try { while ((line = br.readLine()) != null) { if (count m_record) { list.add(line); count++; } else { list.add(line); count = 0; Thread t1 = new Thread(new MultiThread(list),Integer.toString(m_thread++)); t1.start(); list = new ArrayListString>(m_record + 1); } } if (list != null) { Thread t1 = new Thread(new MultiThread(list),Integer.toString(m_thread++)); t1.start(); } } catch (IOException e) { e.printStackTrace(); } } } public static void main(String[] args) { new MuiltThreadImportDB().start(); } }
第二步,使用多線程,批量插入數(shù)據(jù)
class MultiThread implements Runnable { private ArrayListString> list; public MultiThread(ArrayListString> list) { this.list = list; } public void run() { try { ImportDataBase insert = new ImportDataBase(list); insert.start(); } catch (FileNotFoundException e) { e.printStackTrace(); } display(this.list); } public void display(ListString> list) { // for (String str : list) { // System.out.println(str); // } System.out.print(Thread.currentThread().getName() + " :"); System.out.println(list.size()); } }
批量操作中,使用mysql的prepareStatement類,當(dāng)然也使用了statement類的批量操作,性能比不上前者。前者可以達(dá)到1w+每秒的插入速度,后者只有2000+;
public int insertUserBehaviour(ArrayListString> sqls) throws SQLException { String sql = "insert into user_behaviour_log (user_id,item_id,cat_id,merchant_id,brand_id,time_stamp,action_type)" + " values(?,?,?,?,?,?,?)"; preStmt = conn.prepareStatement(sql); for (int i = 0; i sqls.size(); i++) { UserLog log =new UserLog(sqls.get(i)); preStmt.setString(1, log.getUser_id()); preStmt.setString(2, log.getItem_id()); preStmt.setString(3, log.getCat_id()); preStmt.setString(4, log.getMerchant_id()); preStmt.setString(5, log.getBrand_id()); preStmt.setString(6, log.getTimeStamp()); preStmt.setString(7, log.getActionType()); preStmt.addBatch(); if ((i + 1) % 10000 == 0) { preStmt.executeBatch(); conn.commit(); preStmt.clearBatch(); } } preStmt.executeBatch(); conn.commit(); return 1; }
當(dāng)然,也實(shí)驗(yàn)了不同的mysql存儲(chǔ)引擎,InnoDB和MyISM,實(shí)驗(yàn)結(jié)果發(fā)現(xiàn),InnoDB更快(3倍左右),可能和mysq的新版本有關(guān)系,筆者的mysql版本是5.6。
最后總結(jié)一下,大數(shù)據(jù)量下,提高插入速度的方法。
Java代碼方面,使用多線程插入,并且使用批處理提交。
數(shù)據(jù)庫方面,表結(jié)構(gòu)建立時(shí)不要使用索引,要不然插入過程過還要維護(hù)索引B+樹;修改存儲(chǔ)引擎,一般默認(rèn)是InnoDB,(新版本就使用默認(rèn)就可以,老版本可能需要)。
以上就是本文的全部內(nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
標(biāo)簽:臨汾 聊城 白銀 云浮 烏海 湖北 湖南 武威
巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《MySql 快速插入千萬級(jí)大數(shù)據(jù)的方法示例》,本文關(guān)鍵詞 MySql,快速,插入,千萬,級(jí)大,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。