如何快速安全的插入千萬條數(shù)據(jù)
前言
最近有個需求解析一個訂單文件，并且說明文件可達(dá)到千萬條數(shù)據(jù)，每條數(shù)據(jù)大概在20個字段左右，每個字段使用逗號分隔，需要盡量在半小時內(nèi)入庫。
思路
1.估算文件大小
因為告訴文件有千萬條，同時每條記錄大概在20個字段左右，所以可以大致估算一下整個訂單文件的大小，方法也很簡單使用FileWriter往文件中插入一千萬條數(shù)據(jù)，查看文件大小，經(jīng)測試大概在1.5G左右；
2.如何批量插入
由上可知文件比較大，一次性讀取內(nèi)存肯定不行，方法是每次從當(dāng)前訂單文件中截取一部分?jǐn)?shù)據(jù)，然后進(jìn)行批量插入，如何批次插入可以使用insert(...)values(...),(...)的方式，經(jīng)測試這種方式效率還是挺高的；
3.數(shù)據(jù)的完整性
截取數(shù)據(jù)的時候需要注意，需要保證數(shù)據(jù)的完整性，每條記錄最后都是一個換行符，需要根據(jù)這個標(biāo)識保證每次截取都是整條數(shù)，不要出現(xiàn)半條數(shù)據(jù)這種情況；
4.數(shù)據(jù)庫是否支持批次數(shù)據(jù)
因為需要進(jìn)行批次數(shù)據(jù)的插入，數(shù)據(jù)庫是否支持大量數(shù)據(jù)寫入，比如這邊使用的mysql，可以通過設(shè)置max_allowed_packet來保證批次提交的數(shù)據(jù)量；
5.中途出錯的情況
因為是大文件解析，如果中途出現(xiàn)錯誤，比如數(shù)據(jù)剛好插入到900w的時候，數(shù)據(jù)庫連接失敗，這種情況不可能重新來插一遍，所有需要記錄每次插入數(shù)據(jù)的位置，并且需要保證和批次插入的數(shù)據(jù)在同一個事務(wù)中，這樣恢復(fù)之后可以從記錄的位置開始繼續(xù)插入。
實現(xiàn)
1.準(zhǔn)備數(shù)據(jù)表
這里需要準(zhǔn)備兩張表分別是：訂單狀態(tài)位置信息表，訂單表；
CREATE TABLE `file_analysis` (
`id` bigint(20) NOT NULL AUTO_INCREMENT,
`file_type` varchar(255) NOT NULL COMMENT '文件類型 01:類型1，02:類型2',
`file_name` varchar(255) NOT NULL COMMENT '文件名稱',
`file_path` varchar(255) NOT NULL COMMENT '文件路徑',
`status` varchar(255) NOT NULL COMMENT '文件狀態(tài) 0初始化；1成功；2失敗：3處理中',
`position` bigint(20) NOT NULL COMMENT '上一次處理完成的位置',
`crt_time` datetime NOT NULL COMMENT '創(chuàng)建時間',
`upd_time` datetime NOT NULL COMMENT '更新時間',
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 '創(chuàng)建時間',
`upd_time` datetime NOT NULL COMMENT '更新時間',
PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=10000024 DEFAULT CHARSET=utf8
2.配置數(shù)據(jù)庫包大小
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
通過設(shè)置max_allowed_packet，保證數(shù)據(jù)庫能夠接收批次插入的數(shù)據(jù)包大小；不然會出現(xiàn)如下錯誤：
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.準(zhǔn)備測試數(shù)據(jù)
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遍歷往一個文件里插入1000w條數(shù)據(jù)即可，這個速度還是很快的，不要忘了在每條數(shù)據(jù)的后面添加換行符(\n\r)；
4.截取數(shù)據(jù)的完整性
除了需要設(shè)置每次讀取文件的大小，同時還需要設(shè)置一個參數(shù)，用來每次獲取一小部分?jǐn)?shù)據(jù)，從這小部分?jǐn)?shù)據(jù)中獲取換行符(\n\r)，如果獲取不到一直累加直接獲取為止，這個值設(shè)置大小大致同每條數(shù)據(jù)的大小差不多合適，部分實現(xiàn)如下：
ByteBuffer byteBuffer = ByteBuffer.allocate(buffSize); // 申請一個緩存區(qū)
long endPosition = batchFileSize + startPosition - buffSize;// 子文件結(jié)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);// 讀取數(shù)據(jù)
readW: while (read != -1) {
byteBuffer.flip();// 切換讀模式
byte[] array = byteBuffer.array();
for (int j = 0; j < array.length; j++) {
byte b = array[j];
if (b == 10 || b == 13) { // 判斷\n\r
endPosition += j;
break readW;
}
}
endPosition += buffSize;
byteBuffer.clear(); // 重置緩存塊指針
read = inputChannel.read(byteBuffer, endPosition);
}
} else {
endPosition = fileSize; // 最后一個文件直接指向文件末尾
}
...省略，更多可以查看Github完整代碼...
}
如上代碼所示開辟了一個緩沖區(qū)，根據(jù)每行數(shù)據(jù)大小來定大概在200字節(jié)左右，然后通過遍歷查找換行符(\n\r)，找到以后將當(dāng)前的位置加到之前的結(jié)束位置上，保證了數(shù)據(jù)的完整性；
5.批次插入數(shù)據(jù)
通過insert(...)values(...),(...)的方式批次插入數(shù)據(jù)，部分代碼如下：
// 保存訂單和解析位置保證在一個事務(wù)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，同時指定更新時間
fileAnalysis.setPosition(endPosition + 1);
fileAnalysis.setStatus("3");
fileAnalysis.setUpdTime(new Date());
fielAnalysisMapper.updateFileAnalysis(fileAnalysis);
session.commit();
long endTime = System.currentTimeMillis();
System.out.println("===插入數(shù)據(jù)花費:" + (endTime - startTime) + "ms===");
} catch (Exception e) {
session.rollback();
} finally {
session.close();
}
...省略，更多可以查看Github完整代碼...
如上代碼在一個事務(wù)中同時保存批次訂單數(shù)據(jù)和文件解析位置信息，batchInsert通過使用mybatis的<foreach>標(biāo)簽來遍歷訂單列表，生成values數(shù)據(jù)；
總結(jié)
以上展示了部分代碼，完整的代碼可以查看Github地址中的batchInsert模塊，本地設(shè)置每次截取的文件大小為2M，經(jīng)測試1000w條數(shù)據(jù)(大小1.5G左右)插入mysql數(shù)據(jù)庫中，大概花費時間在20分鐘左右，當(dāng)然可以通過設(shè)置截取的文件大小，花費的時間也會相應(yīng)的改變。
完整代碼
https://github.com/ksfzhaohui/blog/tree/master/mybatis