Hibernate批量处理海量数据的方法

Posted 2020-08-20 ngulc

本文实例讲述了Hibernate批量处理海量数据的方法。分享给大家供大家参考，具体如下：

Hibernate批量处理海量其实从性能上考虑，它是很不可取的，浪费了很大的内存。从它的机制上讲，Hibernate它是先把符合条件的数据查出来，放到内存当中，然后再进行操作。实际使用下来性能非常不理想，在笔者的实际使用中采用下面的第三种优化方案的数据是：100000条数据插入数据库， 需要约30分钟，呵呵，晕倒。(本人10分钟插入1000000条数据(字段比较小))

总结下来有三种来处理以解决性能问题：

　　1：绕过Hibernate API ，直接通过 JDBC API 来做，这个方法性能上是比较好的。也是最快的。

　　2：运用存储过程。

　　3：还是用Hibernate API 来进行常规的批量处理，可以也有变，变就变在，我们可以在查找出一定的量的时候，及时的将这些数据做完操作就 删掉，session.flush();session.evict(XX对象集); 这样也可以挽救一点性能损失。这个"一定的量"要就要根据实际情况做定量参考了。一般为30-60左右，但效果仍然不理想。

　　1：绕过Hibernate API ，直接通过 JDBC API 来做，这个方法性能上是比较好的，也是最快的。(实例为 更新操作)

1 Transaction tx=session.beginTransaction(); //注意用的是hibernate事务处理边界
2 Connection conn=session.connection();
3 PreparedStatement stmt=conn.preparedStatement("update CUSTOMER as C set C.sarlary=c.sarlary+1 where c.sarlary>1000");
4 stmt.excuteUpdate();
5 tx.commit(); //注意用的是hibernate事务处理边界

　　这小程序中，采用的是直接调用JDBC 的API 来访问数据库，效率很高。避免了Hibernate 先查询出来加载到内存，再进行操作引发的性能问题
。
　　2：运用存储过程。但这种方式考虑到易植和程序部署的方便性，不建议使用。(实例为 更新操作)

如果底层数据库(如Oracle)支持存储过程，也可以通过存储过程来执行批量更新。存储过程直接在数据库中运行，速度更加快。在Oracle数据库中可以定义一个名为batchUpdateCustomer()的存储过程，代码如下：

1 create or replace procedure batchUpdateCustomer(p_age in number) as begin update CUSTOMERS set AGE=AGE+1 where AGE>p_age;end;

　　以上存储过程有一个参数p_age，代表客户的年龄，应用程序可按照以下方式调用存储过程：

1 tx = session.beginTransaction();
2 Connection con=session.connection();
3 String procedure = "{call batchUpdateCustomer(？) }";
4 CallableStatement cstmt = con.prepareCall(procedure);
5 cstmt.setInt(1，0); //把年龄参数设为0
6 cstmt.executeUpdate();
7 tx.commit();

　　从上面程序看出，应用程序也必须绕过Hibernate API，直接通过JDBC API来调用存储过程。

　　3：还是用Hibernate API 来进行常规的批量处理，可以也有变，变就变在，我们可以在查找出一定的量的时候，及时的将这些数据做完操作就删掉，session.flush();session.evict(XX对象集); 这样也可以挽救一点性能损失。这个"一定的量"要就要根据实际情况做定量参考了……
　　(实例为 保存操作)

　　业务逻辑为：我们要想数据库插入10 0000 条数据

 1 tx=session.beginTransaction();
 2 for(int i=0;i<100000;i++)
 3 {
 4 Customer custom=new Customer();
 5 custom.setName("user"+i);
 6 session.save(custom);
 7 if(i%50==0) // 以每50个数据作为一个处理单元，也就是我上面说的"一定的量"，这个量是要酌情考虑的
 8 {
 9 session.flush();
10 session.clear();
11 }
12 }

　　这样可以把系统维持在一个稳定的范围……

　　在项目的开发过程之中，由于项目需求，我们常常需要把大批量的数据插入到数据库。数量级有万级、十万级、百万级、甚至千万级别的。如此数量级别的数据用Hibernate做插入操作，就可能会发生异常，常见的异常是OutOfMemoryError(内存溢出异常)。

　　首先，我们简单来回顾一下Hibernate插入操作的机制。Hibernate要对它内部缓存进行维护，当我们执行插入操作时，就会把要操作的对象全部放到自身的内部缓存来进行管理。

谈到Hibernate的缓存，Hibernate有内部缓存与二级缓存之说。由于Hibernate对这两种缓存有着不同的管理机制，对于二级缓存，我们可以对它的大小进行相关配置，而对于内部缓存，Hibernate就采取了"放任自流"的态度了，对它的容量并没有限制。现在症结找到了，我们做海量数据插入的时候，生成这么多的对象就会被纳入内部缓存(内部缓存是在内存中做缓存的)，这样你的系统内存就会一点一点的被蚕食，如果最后系统被挤"炸"了，也就在情理之中了。

　　我们想想如何较好的处理这个问题呢？有的开发条件又必须使用Hibernate来处理，当然有的项目比较灵活，可以去寻求其他的方法。

　　笔者在这里推荐两种方法：

　　(1)：优化Hibernate，程序上采用分段插入及时清除缓存的方法。
　　(2)：绕过Hibernate API ，直接通过 JDBC API 来做批量插入，这个方法性能上是最 好的，也是最快的。

　　对于上述中的方法1，其基本是思路为：优化Hibernate，在配置文件中设置hibernate.jdbc.batch_size参数，来指定每次提交SQL的数量;程序上采用分段插入及时清除缓存的方法(Session实现了异步write-behind，它允许Hibernate显式地写操作的批处理)，也就是每插入一定量的数据后及时的把它们从内部缓存中清除掉，释放占用的内存。

　　设置hibernate.jdbc.batch_size参数，可参考如下配置。

1 <hibernate-configuration> <session-factory>……
2 <property name=" hibernate.jdbc.batch_size">50</property>……
3 <session-factory> <hibernate-configuration>

　　配置hibernate.jdbc.batch_size参数的原因就是尽量少读数据库，hibernate.jdbc.batch_size参数值越大，读数据库的次数越少，速度越快。从上面的配置可以看出，Hibernate是等到程序积累到了50个SQL之后再批量提交。

　　笔者也在想，hibernate.jdbc.batch_size参数值也可能不是设置得越大越好，从性能角度上讲还有待商榷。这要考虑实际情况，酌情设置，一般情形设置30、50就可以满足需求了。

　　程序实现方面，笔者以插入10000条数据为例子，如

 1 Transatcion tx=session.beginTransaction();
 2 for(int i=0;i<10000;i++)
 3 {
 4 Student st=new Student();
 5 st.setName("feifei");
 6 session.save(st);
 7 if(i%50==0) //以每50个数据作为一个处理单元
 8 {
 9 session.flush(); //保持与数据库数据的同步
10 session.clear(); //清除内部缓存的全部数据，及时释放出占用的内存
11 }
12 }
13 tx.commit();
14 ……

　　在一定的数据规模下，这种做法可以把系统内存资源维持在一个相对稳定的范围。

　　注意：前面提到二级缓存，笔者在这里有必要再提一下。如果启用了二级缓存，从机制上讲Hibernate为了维护二级缓存，我们在做插入、更新、删除操作时，Hibernate都会往二级缓存充入相应的数据。性能上就会有很大损失，所以笔者建议在批处理情况下禁用二级缓存。

　　对于方法2，采用传统的JDBC的批处理，使用JDBC API来处理。

　　些方法请参照java 批处理自执行SQL

　　看看上面的代码，是不是总觉得有不妥的地方？对，没发现么！这还是JDBC的传统编程，没有一点Hibernate味道。

　　可以对以上的代码修改成下面这样：

 1 Transaction tx=session.beginTransaction(); //使用Hibernate事务处理
 2 Connection conn=session.connection();
 3 PrepareStatement stmt=conn.prepareStatement("insert into T_STUDENT(name) values(？)");
 4 for(int j=0;j++;j<200){
 5 for(int i=0;i++;j<50)
 6 {
 7 stmt.setString(1，"feifei");
 8 }
 9 }
10 stmt.executeUpdate();
11 tx.commit(); //使用 Hibernate事务处理边界
12 ……

　　这样改动就很有Hibernate的味道了。笔者经过测试，采用JDBC API来做批量处理，性能上比使用Hibernate API要高将近10倍，性能上JDBC 占优这是无疑的。

　　批量更新与删除Hibernate2中，对于批量更新操作，Hibernate是将符合要求的数据查出来，然后再做更新操作。批量删除也是这样，先把符合条件的数据查出来，然后再做删除操作。

　　这样有两个大缺点：

　　(1)：占用大量的内存。
　　(2)：处理海量数据的时候，执行update/delete语句就是海量了，而且一条update/delete语句只能操作一个对象，这样频繁的操作数据库，性能低下应该是可想而知的了。

　　Hibernate3 发布后，对批量更新/删除操作引入了bulk update/delete，其原理就是通过一条HQL语句完成批量更新/删除操作，很类似JDBC的批量更新/删除操作。在性能上，比Hibernate2的批量更新/删除有很大的提升。

1 Transaction tx=session.beginSession();
2 String HQL="delete STUDENT";
3 Query query=session.createQuery(HQL);
4 int size=query.executeUpdate();
5 tx.commit();
6 ……

　　控制台输出了也就一条删除语句Hibernate：delete from T_STUDENT，语句执行少了，性能上也与使用JDBC相差无几，是一个提升性能很好的方法。当然为了有更好的性能，笔者建议批量更新与删除操作还是使用JDBC，方法以及基本的知识点与上面的批量插入方法2基本相同，这里就不在冗述。

　　笔者这里再提供一个方法，就是从数据库端来考虑提升性能，在Hibernate程序端调用存储过程。存储过程在数据库端运行，速度更快。以批量更新为例，给出参考代码。

　　首先在数据库端建立名为batchUpdateStudent存储过程：

1 create or replace produre batchUpdateStudent(a in number) as
2 begin
3 update STUDENT set AGE=AGE+1 where AGE>a;
4 end;

1 Transaction tx=session.beginSession();
2 Connection conn=session.connection();
3 String pd="……{call batchUpdateStudent(？)}";
4 CallableStatement cstmt=conn.PrepareCall(pd);
5 cstmt.setInt(1，20); //把年龄这个参数设为20
6 tx.commit();

　　观察上面的代码，也是绕过Hibernate API，使用 JDBC API来调用存储过程，使用的还是Hibernate的事务边界。存储过程无疑是提高批量处理性能的一个好方法，直接运行与数据库端，某种程度上讲把批处理的压力转接给了数据库。

　　参考博客：http://www.jb51.net/article/81436.htm

以上是关于Hibernate批量处理海量数据的方法的主要内容，如果未能解决你的问题，请参考以下文章

Hibernate 中批量处理数据

Hibernate批量处理数据HQL连接查询

Hibernate批量处理数据HQL连接查询

基于 TiSpark 的海量数据批量处理技术

Hibernate批量操作

hibernate批量处理数据