首页 > > 程序设计 > Java技术 >

如何快速安全的插入千万条数据？

2020-06-03 16:03:51来源：博客园阅读 ()

如何快速安全的插入千万条数据？

作者：ksfzhaohui
https://my.oschina.net/OutOfMemory/blog/3117737

最近有个需求解析一个订单文件，并且说明文件可达到千万条数据，每条数据大概在20个字段左右，每个字段使用逗号分隔，需要尽量在半小时内入库。

思路

1.估算文件大小

因为告诉文件有千万条，同时每条记录大概在20个字段左右，所以可以大致估算一下整个订单文件的大小，方法也很简单使用FileWriter往文件中插入一千万条数据，查看文件大小，经测试大概在1.5G左右；

2.如何批量插入

由上可知文件比较大，一次性读取内存肯定不行，方法是每次从当前订单文件中截取一部分数据，然后进行批量插入，如何批次插入可以使用insert(...)values(...),(...)的方式，经测试这种方式效率还是挺高的；怎么快速插入 100 条数据，用时最短，这篇看下。

3.数据的完整性

截取数据的时候需要注意，需要保证数据的完整性，每条记录最后都是一个换行符，需要根据这个标识保证每次截取都是整条数，不要出现半条数据这种情况；

4.数据库是否支持批次数据

因为需要进行批次数据的插入，数据库是否支持大量数据写入，比如这边使用的mysql，可以通过设置max_allowed_packet来保证批次提交的数据量；

5.中途出错的情况

因为是大文件解析，如果中途出现错误，比如数据刚好插入到900w的时候，数据库连接失败，这种情况不可能重新来插一遍，所有需要记录每次插入数据的位置，并且需要保证和批次插入的数据在同一个事务中，这样恢复之后可以从记录的位置开始继续插入。

实现

1.准备数据表

这里需要准备两张表分别是：订单状态位置信息表，订单表；

CREATE?TABLE?`file_analysis`?(
??`id`?bigint(20)?NOT?NULL?AUTO_INCREMENT,
??`file_type`?varchar(255)?NOT?NULL?COMMENT?'文件类型 01:类型1，02:类型2',
??`file_name`?varchar(255)?NOT?NULL?COMMENT?'文件名称',
??`file_path`?varchar(255)?NOT?NULL?COMMENT?'文件路径',
??`status`?varchar(255)?NOT?NULL?COMMENT?'文件状态 0初始化；1成功；2失败：3处理中',
??`position`?bigint(20)?NOT?NULL?COMMENT?'上一次处理完成的位置',
??`crt_time`?datetime?NOT?NULL?COMMENT?'创建时间',
??`upd_time`?datetime?NOT?NULL?COMMENT?'更新时间',
??PRIMARY?KEY?(`id`)
)?ENGINE=InnoDB?AUTO_INCREMENT=2?DEFAULT?CHARSET=utf8

CREATE?TABLE?`file_order`?(
??`id`?bigint(20)?NOT?NULL?AUTO_INCREMENT,
??`file_id`?bigint(20)?DEFAULT?NULL,
??`field1`?varchar(255)?DEFAULT?NULL,
??`field2`?varchar(255)?DEFAULT?NULL,
??`field3`?varchar(255)?DEFAULT?NULL,
??`field4`?varchar(255)?DEFAULT?NULL,
??`field5`?varchar(255)?DEFAULT?NULL,
??`field6`?varchar(255)?DEFAULT?NULL,
??`field7`?varchar(255)?DEFAULT?NULL,
??`field8`?varchar(255)?DEFAULT?NULL,
??`field9`?varchar(255)?DEFAULT?NULL,
??`field10`?varchar(255)?DEFAULT?NULL,
??`field11`?varchar(255)?DEFAULT?NULL,
??`field12`?varchar(255)?DEFAULT?NULL,
??`field13`?varchar(255)?DEFAULT?NULL,
??`field14`?varchar(255)?DEFAULT?NULL,
??`field15`?varchar(255)?DEFAULT?NULL,
??`field16`?varchar(255)?DEFAULT?NULL,
??`field17`?varchar(255)?DEFAULT?NULL,
??`field18`?varchar(255)?DEFAULT?NULL,
??`crt_time`?datetime?NOT?NULL?COMMENT?'创建时间',
??`upd_time`?datetime?NOT?NULL?COMMENT?'更新时间',
??PRIMARY?KEY?(`id`)
)?ENGINE=InnoDB?AUTO_INCREMENT=10000024?DEFAULT?CHARSET=utf8

2.配置数据库包大小

mysql>?show VARIABLES like?'%max_allowed_packet%';
+--------------------------+------------+
| Variable_name | Value |
+--------------------------+------------+
| max_allowed_packet | 1048576 |
| slave_max_allowed_packet | 1073741824 |
+--------------------------+------------+
2 rows in set

mysql>?set?global max_allowed_packet = 1024*1024*10;
Query OK, 0 rows affected

通过设置max_allowed_packet，保证数据库能够接收批次插入的数据包大小；不然会出现如下错误：

Caused?by: com.mysql.jdbc.PacketTooBigException:?Packet?for?query?is?too?large?(4980577?>?1048576). You can change?this?value?on?the server?by?setting the max_allowed_packet' variable.
????at com.mysql.jdbc.MysqlIO.send(MysqlIO.java:3915)
????at com.mysql.jdbc.MysqlIO.sendCommand(MysqlIO.java:2598)
????at com.mysql.jdbc.MysqlIO.sqlQueryDirect(MysqlIO.java:2778)
????at com.mysql.jdbc.ConnectionImpl.execSQL(ConnectionImpl.java:2834)

3.准备测试数据

public?static?void?main(String[] args) throws IOException?{
??FileWriter?out?=?new?FileWriter(new?File("D://xxxxxxx//orders.txt"));
??for?(int?i =?0; i <?10000000; i++) {
????out.write(
????????"vaule1,vaule2,vaule3,vaule4,vaule5,vaule6,vaule7,vaule8,vaule9,vaule10,vaule11,vaule12,vaule13,vaule14,vaule15,vaule16,vaule17,vaule18");
????out.write(System.getProperty("line.separator"));
??}
??out.close();
}

使用FileWriter遍历往一个文件里插入1000w条数据即可，这个速度还是很快的，不要忘了在每条数据的后面添加换行符(\n\r)；

4.截取数据的完整性

除了需要设置每次读取文件的大小，同时还需要设置一个参数，用来每次获取一小部分数据，从这小部分数据中获取换行符(\n\r)，如果获取不到一直累加直接获取为止，这个值设置大小大致同每条数据的大小差不多合适，部分实现如下：

ByteBuffer byteBuffer = ByteBuffer.allocate(buffSize);?// 申请一个缓存区
long?endPosition = batchFileSize + startPosition - buffSize;// 子文件结束位置

long?startTime, endTime;
for?(int?i =?0; i < count; i++) {
????startTime = System.currentTimeMillis();
????if?(i +?1?!= count) {
????????int?read = inputChannel.read(byteBuffer, endPosition);// 读取数据
????????readW:?while?(read !=?-1) {
????????????byteBuffer.flip();// 切换读模式
????????????byte[]?array?= byteBuffer.array();
????????????for?(int?j =?0; j <?array.length; j++) {
????????????????byte b =?array[j];
????????????????if?(b ==?10?|| b ==?13) {?// 判断\n\r
????????????????????endPosition += j;
????????????????????break?readW;
????????????????}
????????????}
????????????endPosition += buffSize;
????????????byteBuffer.clear();?// 重置缓存块指针
????????????read = inputChannel.read(byteBuffer, endPosition);
????????}
????}?else?{
????????endPosition = fileSize;?// 最后一个文件直接指向文件末尾
????}
????...省略，更多可以查看Github完整代码...
}

如上代码所示开辟了一个缓冲区，根据每行数据大小来定大概在200字节左右，然后通过遍历查找换行符(\n\r)，找到以后将当前的位置加到之前的结束位置上，保证了数据的完整性；

5.批次插入数据

通过insert(...)values(...),(...)的方式批次插入数据，部分代码如下：

// 保存订单和解析位置保证在一个事务中
SqlSession session = sqlSessionFactory.openSession();
try?{
??long?startTime = System.currentTimeMillis();
??FielAnalysisMapper fielAnalysisMapper = session.getMapper(FielAnalysisMapper.class);
??FileOrderMapper fileOrderMapper = session.getMapper(FileOrderMapper.class);
??fileOrderMapper.batchInsert(orderList);

??// 更新上次解析到的位置，同时指定更新时间
??fileAnalysis.setPosition(endPosition +?1);
??fileAnalysis.setStatus("3");
??fileAnalysis.setUpdTime(new?Date());
??fielAnalysisMapper.updateFileAnalysis(fileAnalysis);
??session.commit();
??long?endTime = System.currentTimeMillis();
??System.out.println("===插入数据花费:"?+ (endTime - startTime) +?"ms===");
}?catch?(Exception e) {
??session.rollback();
}?finally?{
??session.close();
}
...省略，更多可以查看Github完整代码...

如上代码在一个事务中同时保存批次订单数据和文件解析位置信息，batchInsert通过使用mybatis的<foreach>标签来遍历订单列表，生成values数据；