MySql 快速插入千万级大数据的方法示例

在数据分析领域，数据库是我们的好帮手。不仅可以接受我们的查询时间，还可以在这基础上做进一步分析。所以，我们必然要在数据库插入数据。在实际应用中，我们经常遇到千万级，甚至更大的数据量。如果没有一个快速的插入方法，则会事倍功半，花费大量的时间。

在参加阿里的天池大数据算法竞赛中（流行音乐趋势预测），我遇到了这样的问题，在没有优化数据库查询及插入之前，我花了不少冤枉时间，没有优化之前，1500万条数据，光插入操作就花费了不可思议的12个小时以上（使用最基本的逐条插入）。这也促使我思考怎样优化数据库插入及查询操作，提高效率。

在不断优化过程中，性能有大幅提升。在按时间序列从数据库查询并汇总生成2万6000多首歌曲的下载，播放，收藏数过程中，通过查询生成的操作速度提高从预估的40多小时降低到一小时多。在数据库插入方面，性能得到大幅提升；在新的数据集上测试，5490万+的数据，20分钟完成了插入。下面分享一下我的心得。

优化过程分为2步。第一步，实验静态reader从csv文件读取数据，达到一定量时，开始多线程插入数据库程序；第二步，使用mysq批量插入操作。

第一步，读取文件，开始插入多线程

在这里，达到一定量的量是个需要斟酌的问题，在我的实验中，开始使用100w作为这个量，但是出现了新的问题，java 堆内存溢出，最终采用了10w作为量的标准。

当然，可以有其他的量，看大家自己喜欢那个了。

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多线程读大文件并入库
  * 
  * @param args
  */
 private static int m_record = 99999;
 private static bufferedreader br = null;
 private arraylist<string> 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 arraylist<string>(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 arraylist<string>(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，使用多线程，批量插入数据

class multithread implements runnable {
 private arraylist<string> list;
 
 public multithread(arraylist<string> 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(list<string> 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类，当然也使用了statement类的批量操作，性能比不上前者。前者可以达到1w+每秒的插入速度，后者只有2000+；

public int insertuserbehaviour(arraylist<string> 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;
 }

当然，也实验了不同的mysql存储引擎，innodb和myism,实验结果发现，innodb更快（3倍左右），可能和mysq的新版本有关系，笔者的mysql版本是5.6。

最后总结一下，大数据量下，提高插入速度的方法。

java代码方面，使用多线程插入，并且使用批处理提交。

数据库方面，表结构建立时不要使用索引，要不然插入过程过还要维护索引b+树；修改存储引擎，一般默认是innodb，（新版本就使用默认就可以，老版本可能需要）。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。