需求：把一个500M的txt文件导入mysql数据库，数据量大概有几千万。
1、项目架构
项目采用微服务架构，上传文件的后台管理系统是作为应用层，业务处理的作为服务层，应用层和服务层都有多个节点。
如果是单一节点处理，那么读取500M的文件(可能更大)，并把几百万的数据要快速的写入数据库，是非常有难度的。但是我们可以利用微服务多个节点分散处理，即应用层只读取数据，读10000条就放入线程池向服务层发起请求，而服务层有多个节点，可以把应用层的请求平均到多个节点处理，在应用层每个节点先做数据解析，然后插入mysql。
2、服务层处理
2.1 文件读取
文件读取我们用BufferedReader，BufferedReader使用装饰器模式，它的IO行为是每次读进来8K的数据到缓冲区(当然，缓冲区的大小我们是可以通过构造器修改的)，如果需要使用数据的时候，再直接从缓冲区里面拿出数据来使用。
而FileReader的read方法，每调用一次就会read一次file，进行一次IO。不管是多次read还是一次性的read，都不是很优雅的在read文件的方式。多次read必然会产生多次IO，一次性的read如果遇到很大的文件，对内存是极不友好的。
所以BufferedReader既能提高的读取速度，又节省了IO的次数，是一种比较优雅的读取文件的方式。
BufferedWriter和FIleWriter同理。
研究一下BufferedReader的源码，就会发现，BufferedReader中对文件的读取还是通过FileReader来实现的，BufferedReader只是对其读取到的数据做一下缓冲，api如下。其中buffer操作的api和java nio中对buffer的操作类似。
image.png
有缓冲区 VS 没有缓冲区
- 没有缓冲区时，每次读取操作都会导致一次文件读取操作（就是告诉操作系统内核我要读这个文件的这个部分，麻烦你帮我把它取过来）。
- 有缓冲区时，会一次性读取很多数据，然后按要求分次交给上层调用者。
读取块大小通常是按最适合硬件的大小来读的，因为对于硬件来说，一次读取一块连续数据（比如 1K）和一次读取一个字节需要的时间几乎是一样的（都是一次读操作，只是最终提交的数据量有差异），所以带缓冲的 I/O 和不带缓冲的相比效率差异是非常显著的
我们这里的需求是顺序读取，如果是随机读取，则使用RandomAccessFile。
所谓随机读取，就是说我们需要自由访问文件的任意位置（指定位置读，指定位置写），所以如果需要访问文件的部分内容，RandomAccessFile将是更好的选择。所以当我们要下载一个大文件时，可以通过多线程使用RandomAccessFile来实现。同样的，对于文件的切割、合并，使用RandomAccessFile效率都会很高。
2.2 业务处理
BufferedReader读取文件后，每读10000行，就丢入线程池，然后调用服务层处理，应用层这里不做任何业务逻辑处理，因为应用层必然是用一个节点处理业务，但是=我们通过http调用服务层后，是可以通过多个节点处理的，这样就可以提升处理效率。
ThreadPoolExecutor threadPoolExecutor = new ThreadPoolExecutor(10, 50, 0L, TimeUnit.MILLISECONDS, new LinkedBlockingQueue<Runnable>());
BufferedReader bufferedReader = null;
try {
bufferedReader = new BufferedReader(new InputStreamReader(new FileInputStream("E:\\code\\esg-cemp-core-nonactivity-01394067\\logs\\system\\system2.log"), StandardCharsets.UTF_8));
List<String> lines = new ArrayList<>();
String lineTXT="";
long count = 0;
while ((lineTXT = bufferedReader.readLine()) != null) {
if(count % 10000 == 0){
executorService.execute(new Runnable() {
@Override
public void run() {
//调用微服务
System.out.println("------调用微服务--------");
}
});
lines.clear();
}
lines.add(lineTXT);
count++;
}
if(lines.size()>0){
//调用微服务
System.out.println("-------调用微服务-------");
}
//及时关闭线程池，对于这种使用不是很频繁的线程池使用完毕以后，可以及时关闭以节省资源
//shutdown关闭以后，就不能再提交任务了，
threadPoolExecutor.shutdown();
} catch (Exception e) {
e.printStackTrace();
}
3、业务层处理
3.1 业务处理
业务处理比较简单，就是把String 切割成多个字段，然后变换成PO对象。
3.2 mysql 插入
-
方法一：mybatis foreach
foreach的作用是构建in条件，通过foreach可以在SQL语句中进行迭代一个集合。
优点是使用方便；
缺点是每条sql是有长度限制的，所以list的数量跟表字段多少直接关联；activityProductUserFlowPoMapper.insertList(list2);<insert id="insertList" > insert into t_non_standard_act_user_flow (act_pro_id, user_id, mobile, point, status, extend) values <foreach collection="list" separator="," item="item"> (#{item.actProId,jdbcType=BIGINT}, #{item.userId,jdbcType=VARCHAR}, #{item.mobile,jdbcType=VARCHAR}, #{item.point,jdbcType=INTEGER}, #{item.status,jdbcType=TINYINT}, #{item.extend,jdbcType=VARCHAR}) </foreach> </insert> -
方法二：mybatis batch
Mybatis内置的ExecutorType有3种，默认的是simple，该模式下它为每个语句的执行创建一个新的预处理语句，单条提交sql；而batch模式重复使用已经预处理的语句，并且批量执行所有更新语句。SqlSession sqlSession = sqlSessionFactory.openSession(ExecutorType.BATCH); Mapper userMapper = sqlSession.getMapper(Mapper.class); int size = 10000; try { for (int i = 0; i < size; i++) { User user = new User(); user.setName(String.valueOf(System.currentTimeMillis())); fooMapper.insert(foo); if (i % 1000 == 0 || i == size - 1) { //手动每1000个一提交，提交后无法回滚 session.commit(); //清理缓存，防止溢出 session.clearCache(); } } } catch (Exception e) { //没有提交的数据可以回滚 session.rollback(); } finally { session.close(); }需要在jdbc连接url上追加rewriteBatchedStatements=true，否则不起作用
-
方法三：jdbc batch
采用PreparedStatement.addBatch()方式实现，发送的是预编译后的SQL语句，执行效率高。Long start = System.currentTimeMillis(); DruidDataSource dataSource = SpringUtils.getBean("dataSource"); //从连接池中获取connection DruidPooledConnection conn =dataSource.getConnection(); conn.setAutoCommit(false); try { String sql = "insert into act_user_flow (act_pro_id, user_id, mobile, point, status) values(?,?,?,?,?)"; PreparedStatement ps = conn.prepareStatement(sql); for (int i = 0; i < list.size; i++) { ps.setLong(1,list[i].getActProId()); ps.setString(2,list[i].getUserId()); ps.setString(3,list[i].getMobile()); ps.setInt(4,list[i].getPoint()); ps.setInt(5,DuobaoGoodEnum.ACTIVITY_PRODUCT_ONLINE.getCode()); ps.addBatch(); //小批量提交,避免OOM if((i+1) % 1000 == 0) { ps.executeBatch(); ps.clearBatch(); } } //提交剩余的数据 ps.executeBatch(); conn.commit(); } catch (SQLException throwables) { throwables.printStackTrace(); } finally { //使用完以后放回连接池 conn.close(); } System.out.println("insert cost time = " + (System.currentTimeMillis()-start));需要在jdbc连接url上追加rewriteBatchedStatements=true，否则不起作用
-
性能比较
同个表插入一万条数据时间近似值：
JDBC BATCH 1.1秒左右 > Mybatis BATCH 2.2秒左右 >Mybatis foreach 4.5秒左右方法二和方法三利用的是mysql的批量提交，需要在jdbc连接url上追加rewriteBatchedStatements=true，如下
jdbc:mysql://xxx.com.cn/xxx?useUnicode=true&characterEncoding=utf8&allowMultiQueries=true&rewriteBatchedStatements=trueMySQL 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
扩展：
- jdbc连接url上allowMultiQueries=true的作用：
1.可以在sql语句后携带分号，实现多语句执行。
2.可以执行批处理，同时发出多个SQL语句。
- $ 和#的区别
#{}：是以预编译的形式，将参数设置到sql语句中；PreparedStatement；防止sql注入
${}：取出的值直接拼装在sql语句中；会有安全问题；
如下所示：
select * from tbl_employee where id=${id} and last_name=#{lastName}
Preparing: select * from tbl_employee where id=2 and last_name=?
如果id为 '2 or 1=1'，则会发生数据泄露，这就是sql注入。
Preparing: select * from tbl_employee where id=2 or 1=1 and last_name=?
- 获取DruidDataSource当前活跃连接数
//当前活跃的，即正在被使用的连接数
System.out.println(dataSource.getActiveCount()); ——活跃连接都在activeConnections(Map)中
//最大连接数
System.out.println("========="+dataSource.getMaxActive());
//poolingCount值代表剩余可用的连接数，每次从末尾拿走连接
System.out.println(dataSource.getPoolingCount()); ——剩余可用连接都在connections(数组)中
//activeCount + poolingCount只能小于等于maxActive
activeCount + poolingCount <= maxActive
网友评论