我的编程空间,编程开发者的网络收藏夹
学习永远不晚

mysql中批量插入数据(1万、10万、100万、1000万、1亿级别)

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

mysql中批量插入数据(1万、10万、100万、1000万、1亿级别)

硬件:Windows7+8G内存+i3-4170处理器+4核CPU

首先贴上数据库的操作类BaseDao:

import Java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.util.List;
 
import com.lk.entity.TUser;
 
public class BaseDao {
    private static ConfigManager cm = ConfigManager.getInstance();
 
    private static String Driver = null;
    private static String URL = null;
    private static String USER = null;
    private static String PWD = null;
 
    private static Connection conn = null;
    private static PreparedStatement psmt = null;
    public ResultSet rs = null;
    public int row = 0;
 
    static {
        Driver = cm.getString("DRIVER");
        URL = cm.getString("URL");
        USER = cm.getString("USER");
        PWD = cm.getString("PWD");
        try {
            Class.forName(Driver);
        } catch (ClassNotFoundException e) {
            e.printStackTrace();
        }
        getConnection();
        try {
            conn.setAutoCommit(false);
            psmt = conn.prepareStatement("");
        } catch (SQLException e) {
            e.printStackTrace();
        }
    }
 
    private static Connection getConnection() {
        try {
            conn = DriverManager.getConnection(URL, USER, PWD);
        } catch (SQLException e) {
            e.printStackTrace();
        }
        return conn;
    }
 
    
    public boolean affectRowMore(String sql, List<TUser> list, long flag) {
        try {
            psmt = conn.prepareStatement(sql);
            for (TUser tUser : list) {
                psmt.setLong(1, tUser.getId());
                psmt.setString(2, tUser.getName());
                psmt.setInt(3, tUser.getSex());
                psmt.setString(4, tUser.getPhone());
                psmt.setString(5, tUser.getPassword());
                // 添加执行sql
                psmt.addBATch();
            }
            // 执行操作
            int[] counts = psmt.executeBatch(); // 执行Batch中的全部语句
            conn.commit(); // 提交到数据库
            for (int i : counts) {
                if (i == 0) {
                    conn.rollback();
                }
            }
            closeAll(flag);
        } catch (SQLException e) {
            e.printStackTrace();
            return false;
        }
        return true;
    }
 
    
    public boolean affectRowMore1(String sql, long flag) {
        try {
            psmt.addBatch(sql);
            // 执行操作
            int[] counts = psmt.executeBatch(); // 执行Batch中的全部语句
            conn.commit(); // 提交到数据库
            for (int i : counts) {
                if (i == 0) {
                    conn.rollback();
                    return false;
                }
            }
            closeAll(flag);
        } catch (SQLException e) {
            e.printStackTrace();
            return false;
        }
        return true;
    }
 
    public void closeAll(long flag) {
        try {
            if (conn != null && flag == -1) {
                // 在完成批量操作后恢复默认的自动提交方式,提高程序的可扩展性
                conn.setAutoCommit(true);
                conn.close();
            }
            if (psmt != null && flag == -1) {
                psmt.close();
            }
            if (rs != null) {
                rs.close();
            }
        } catch (SQLException e) {
            e.printStackTrace();
        }
    }
}

方法一:

通过BaseDao中的affectRowMore方法进行插入,插入的速度如下所示:

     * 一万条数据(通过多条添加)
     * 生成1万条数据共花费978毫秒
     * 生成10万条数据共花费5826毫秒
     * 生成100万条数据共花费54929毫秒
     * 生成1000万条数据共花费548640毫秒
     * 生成1亿条数据(因为数字过大,没有计算)

public void insertBenchMark() {
  long start = System.currentTimeMillis();
  List<TUser> list = new ArrayList<>();
  long row = 1;
  for (int j = 0; j < 1000; j++) {
   for (int i = 0; i < 10000; i++) {
    String uuid = UUID.randomUUID().toString();
    String name = uuid.substring(0, 4);
    int sex = -1;
    if(Math.random() < 0.51) {
     sex = 1;
    }else {
     sex = 0;
    }
    String phone = (String) RandomValue.getAddress().get("tel");
    list.add(new TUser(row,name, sex, phone, uuid));
    row++;
   }
   int flag = 1;
   if(j==999) {
    flag = -1;
   }
   //封装好的
   boolean b = userDao.insertMore(list,flag);
   if(!b) {
    System.out.println("出错了----");
    System.exit(0);
   }else {
    list.clear();
   }
  }
  long end = System.currentTimeMillis();
  System.out.println("生成1000万条数据共花费"+(end-start)+"毫秒");
 }

public boolean insertMore(List<TUser> list,long flag) {
  String sql = "insert into tuser(id,name,sex,phone,password) values(?,?,?,?,?)";
  return affectRowMore(sql,list,flag);
 }

方法二:

通过BaseDao中的affectRowMore1方法进行数据的插入操作,插入的速度如下:

     * 通过拼接语句实现多条添加
     * 生成1万条数据共花费225毫秒
     * 生成10万条数据共花费1586毫秒
     * 生成100万条数据共花费14017毫秒
     * 生成1000万条数据共花费152127毫秒
     * 生成1亿条数据(因为数字过大,没有计算)

public void insertBenchMark1() {
  long start = System.currentTimeMillis();
  StringBuffer suffix = new StringBuffer();
  long row = 1;
  for (int j = 0; j < 1000; j++) {
   for (int i = 0; i < 10000; i++) {
    String uuid = UUID.randomUUID().toString();
    String name = uuid.substring(0, 4);
    int sex = -1;
    if(Math.random() < 0.51) {
     sex = 1;
    }else {
     sex = 0;
    }
    String phone = (String) RandomValue.getAddress().get("tel");
    suffix.append("(" + row + ",'" + name + "'," + sex + ",'" + phone + "','" + uuid + "'),");
    row++;
   }
   boolean b = userDao.insertMore1(suffix.substring(0, suffix.length()-1),j);
   if(!b) {
    System.out.println("出错了----");
    System.exit(0);
   }else {
    // 清空上一次添加的数据
    suffix = new StringBuffer();
   }
  }
  long end = System.currentTimeMillis();
  System.out.println("生成1000万条数据共花费"+(end-start)+"毫秒");
 }

public boolean insertMore1(String sql_suffix,long flag) {
  String sql_prefix = "insert into tuser(id,name,sex,phone,password) values ";
  return affectRowMore1(sql_prefix + sql_suffix,flag);
 }

总结:

方法一和方法二很类同,唯一不同的是方法一采用的是“insert into tb (...) values (...);insert into tb (...) values (...);...”的方式执行插入操作,方法二则是“insert into tb (...) values(...),(...)...;”的方式。

通过测试的对比,方法二比方法一快了近5倍。

到此这篇关于mysql中批量插入数据(1万、10万、100万、1000万、1亿级别)的文章就介绍到这了,更多相关mysql 批量插入数据内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

mysql中批量插入数据(1万、10万、100万、1000万、1亿级别)

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

mysql中批量插入数据(1万、10万、100万、1000万、1亿级别)

目录方法一:方法二:总结:硬件:Windows7+8G内存+i3-4170处理器+4核CPU首先贴上数据库的操作类BaseDao:import Java.sql.Connection;import java.sql.DriverMan
2022-08-15

Java实现百万级数据量向MySQL批量插入

业务背景: 大数据向mysql表同步百万级数量,我们需要将大数据表里同步过来的数据分别向三张业务表做数据同步,最终将业务表的数据展示给前台进行相关业务操作。 数据量级 大数据表:700w数据量 三张业务表分别需要同步:23w、80w、680
2023-08-25

编程热搜

目录