zoukankan      html  css  js  c++  java
  • 快速安全的插入千万条数据

    前言

    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;

    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
    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( );

    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( ),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
    
    
                        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( ),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的标签来遍历订单列表,生成values数据;

    总结

    以上展示了部分代码,完整的代码可以查看Github地址中的batchInsert模块,本地设置每次截取的文件大小为2M,经测试1000w条数据(大小1.5G左右)插入mysql数据库中,大概花费时间在20分钟左右,当然可以通过设置截取的文件大小,花费的时间也会相应的改变。

    GitHub:

    https://github.com/ksfzhaohui/blog/tree/master/mybatis/mybatis

  • 相关阅读:
    DBCP数据源使用
    实例介绍Cocos2d-x开关菜单
    Material UI:很强大的CSS框架
    stl之hash_multimap
    使用OpenCV滑动条写成的简单调色器,实时输出RGB值
    Android中怎样自己制作su
    华南运维论坛 2015-07-25
    POJ2417 Baby-Step-Gaint-Step 算法
    《网络编程》套接字地址与名字转换
    Hibernate缓存
  • 原文地址:https://www.cnblogs.com/sxw123/p/14061476.html
Copyright © 2011-2022 走看看