如何解决大批量数据保存的性能问题

一、背景

    明源云ERP开放平台提供了强大的基于实体的ORM框架：“实体服务”，它可以让开发人员只需专注于业务逻辑代码的编写，不用关心数据库相关的操作，大大提高了开发效率。

    在行业中所有基于实体的ORM框架，均存在同一个问题：在批量操作数据时，性能表现乏力。因为在批量保存数据时，可能既包含新增的记录，又包含更新或删除的记录，一般的ORM框架必须为每一条记录生成一条SQL语句，然后一条一条的执行，这样执行的性能非常差，而通常的优化方案是将数据分批保存，但在数据量特别大时，保存的性能表现依然无法接受。在ERP的业务中，存在很多这种批量操作大量数据的场景，例如通过Excel批量导入大量数据，而且这类功能基本都出现在核心的业务模块，所以我们必须要攻克这个问题。

二、初步优化

    如前所述，ORM框架之所以在大批量数据保存时性能差，主要原因是它必须一条一条的执行SQL，熟悉数据库技术的同学应该清楚，每次SQL执行都会用到数据库连接，而频繁开启连接会给数据库造成巨大压力。所以我们一开始想到的优化方案，就是将这批SQL一次性发给数据库执行，只开一次数据库连接。

    我们将SQL一次性发给数据库执行，确实大幅减少了开启数据库连接的次数，但依然存在性能问题。经过技术分析，我们发现原因在于发给数据库执行的SQL语句太大，造成了网络传输延迟过大。比如本次要批量保存的数据行数有10万，字段超过50个，需执行的SQL语句就有10万条，虽然是一次性执行，但SQL本身可能有几兆。

    为了解决这个问题，我们需要将10万条SQL语句合并起来，变成几条SQL去执行。

三、第二轮优化

   我们实现合并SQL语句方案时，遇到的第一个问题是：批量保存的数据，其中每一行的状态是不一样的，有些行可能是新增，有些行可能是更新，有些可能是删除，不同类型的数据如何合并SQL？

    解决方案：将新增、更新、删除三种类型的数据，分别合并成三条不同形式的SQL语句进行执行。

    我们紧接着遇到了第二个问题：要更新的每一行数据中，更新的字段也不一样，可能第一行要更新A字段，第二行要更新B字段，每一行的Update语句都不一样，如何合并成一条SQL？

    解决方案：不管每一行要更新哪些字段，我们合并后的SQL都更新所有字段，然后再使用一个标识字段表示该字段是否需要插入或更新，这样就能用同一条SQL更新所有行。

 1、新增场景

    核心思路：通过参数化和“Insert...Select”的SQL语句，一次性将要新增的记录插入MyUser表（如果没有值，则使用字段的默认值代替）。

    合并后的SQL语句如下：

 2、更新场景

    核心思路：通过判断字段值是否更新，动态拼接Set语句的右值。

    合并后的SQL语句如下：

3、删除场景

    核心思路：通过In子查询，根据ID批量删除记录。

    合并后的SQL语句如下：

    通过上述优化方法，SQL语句本身大幅缩减，但依然存在两个问题：

• 合并后的SQL用到参数化，但数据库限制参数最多2100个，如果待保存的数据行数过多时，会超出参数个数限制；

• 由于子查询的语句长度会随着记录增大而增加，数据量特别大时，产生的SQL语句依然很大，依然会存在性能隐患。

四、第三轮优化

    为了解决这两个问题，我们通过SqlBulkCopy机制，快速的将待保存数据一次性插入到数据库的临时表，SQL语句通过关联临时表进行批量新增、修改、删除，这样SQL语句本身可以变得更加简短，而且因为去掉了参数化查询，也规避了参数个数限制的问题。（Microsoft SQL Server中提供了大容量复制程序实用工具 (bcp)，用于快速将大型文件批量复制到SQL Server数据库中的表或视图中。在ADO.Net中，SqlBulkCopy类提供了托管代码的解决方案，支持类似的功能。）

    我们的具体做法如下：

1. 在数据库中创建与子查询同结构的临时表，比如用户表，可以创建对应的临时表#temp_myUser；

2. 使用SqlBulkCopy将所有待保存的数据一次性插入到临时表中；

3. 合并后的SQL通过关联临时表，将数据保存到业务表中；

4. 删除临时表，完成数据批量操作。

    通过关联临时表合并成的最终SQL语句如下：

    1、新增场景：

 2、更新场景：

 3、删除场景：