您的位置：首页 > 数据库 > MySQL

Mybatis与JDBC批量插入MySQL数据库性能测试及解决方案

2017-04-13 14:37 691 查看
Mybatis与JDBC批量插入MySQL数据库性能测试  Author:boonya  Date:2017-04-13 

1      背景

系统中需要批量生成单据数据到数据库表，所以采用批量插入数据库的方式。由于系统中ORM操作集成使用的是Mybatis来完成的。
 
在Mybatis中操作一般使用批量插入的方式如下：<insert id="insertBatch" parameterType="java.util.List"  >     insert into userinfo (uid, uname, uphone, uaddress)     values     <foreach collection="list" item="item"index="index" separator=",">    (#{item.uid,jdbcType=INTEGER},      #{item.uname,jdbcType=VARCHAR},     #{item.uphone,jdbcType=VARCHAR},      #{item.uaddress,jdbcType=VARCHAR}     )   </foreach>
   </insert>
在实际生产中发现，这样调用的效率并不高，于是我们迫切地需要寻找一种处理批量插入性能较高的方式——回归原生数据库JDBC操作。我们要分析Mybatis和JDBC的插入性能，来决策适合我们生产系统的批量插入方式。
 
参考资料中有一篇文章是对Spring Mybatis和Spring JDBC插入效率的测试，由于测试的数据量不多不予置评。

2      Mybatis

2.1  Mybatis测试样本1K

测试10组数据：
时间（ms）                                                                

923
412
426
408
405
353
365
344
316
493
 

2.2  Mybatis测试样本2K

测试10组数据：
时间（ms）                                                                

11031
3340
3571
2327
7273
1353
2676
1249
1245
1155
 

2.3  Mybatis测试样本4K

测试10组数据：
时间（ms）                                                                

6070
5565
5731
5400
5830
5543
5469
5697
5528
5399
 

2.4  Mybatis测试样本6K

测试10组数据：
时间（ms）                                                                 

13383
12672
13030
13484
13841
12952
13331
13275
13000
13236
 

2.5  Mybatis测试样本8K

测试10组数据：
时间（ms）                                                               

25312
24702
27065
25921
25156
24686
25314
33947
25304
25853
 

2.6  Mybatis测试样本10K

测试10组数据：
时间（ms）                                                               

42148
39209
38548
40109
37820
37728
38178
38481
38157
39032
 

2.7  Mybatis测试样本15K

测试10组数据：
时间（ms）                                                              

98250
88585
87438
89547
88427
89522
83261
80842
87163
84804
 

2.8  Mybatis测试样本20K

测试10组数据：
时间（ms）                                                              

145481
146618
147098
145578
144947
145614
142014
142315
141984
143625
 

2.9  性能测试样本平均值

2.9.1  测试样本SQL

2.9.1.1       毫秒级SQL【time(ms)】

-- DELETE FROMprocess_spend_time_result  WHEREpmethod='mybatis'; SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=1000 AND p.pmethod='mybatis';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=2000 AND p.pmethod='mybatis';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=4000 AND p.pmethod='mybatis';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=6000 AND p.pmethod='mybatis';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=8000 AND p.pmethod='mybatis';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=10000 AND p.pmethod='mybatis';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=15000 AND p.pmethod='mybatis';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=20000 AND p.pmethod='mybatis';

2.9.1.2       秒级SQL【time(s)】

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=1000 AND p.pmethod='mybatis';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=2000 AND p.pmethod='mybatis';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=4000 AND p.pmethod='mybatis';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=6000 AND p.pmethod='mybatis';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=8000 AND p.pmethod='mybatis';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=10000 AND p.pmethod='mybatis';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=15000 AND p.pmethod='mybatis';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=20000 AND p.pmethod='mybatis';

2.9.2  测试数据汇总

数据4舍5入保留3位小数
测试样例                                       

AVG（s）                                             
1K
0.445
2K
3.522
4K
5.623
6K
13.221
8K
26.326
10K
38.941
15K
87.784
20K
144.527
 

2.10    Mybatis批量插入问题

2.10.1             问题一：处理性能低下

处理10000条耗时：34292ms



2.10.2             问题二：批量处理数据量大小受限



Windows下需要修改MySQL的my.ini文件加入如下配置内容：max_allowed_packet=500MLinux下是在/my.cnf修改添加如上内容。
 
也可以直接这样设置：SET GLOBAL max_allowed_packet=1073741824;但MySQL重启后就不起作用了。

2.10.3             问题三：线程处理锁表

在通过多线程并发处理的时，很容易导致数据库表锁表，使得后续的操作无法进行。

2.10.4             问题四：导致对象回收GC问题

对象超出GC对象回收阀值，导致程序中断。



3      JDBC

3.1  JDBC测试数据1W

测试10组数据：
 
普通插入(ms)
普通+事务(ms)
普通批量（ms）
批量+事务(MS)
28489801312873494
305363042355471899
255712041310223501
279542733289272547
296201261344081449
2712581929318923
28993107931099939
275942547335043410
27967781316463587
331451293370301912
 

3.2  JDBC测试数据5W

测试10组数据：
 
普通插入(ms)
普通+事务(ms)
普通批量（ms）
批量+事务(MS)
131427115681686236926
132271193132315269915
192176523822772410978
1856401895522749741959
211777112381849709461
208446501926363623394
2533511426522739124870
225268170092298715583
163739971923071916657
215033158022380185330
 

3.3  JDBC测试数据10W

测试10组数据：
 
普通插入(ms)
普通+事务(ms)
普通批量（ms）
批量+事务(MS)
3087732138936051016432
3527732348737234325545
3788052403436841612507
3841893011939297423742
3699753065137863426180
3686591190241693221321
3884531264441157118138
3911551128739636311678
3680553098739907812212
3633752257636147818544
 

3.4  JDBC测试数据25W

测试10组数据：
 
普通插入(ms)
普通+事务(ms)
普通批量（ms）
批量+事务(MS)
9420675134399080070103
107068828737105113235536
100207638065122240989644
107311457050131262082354
96069751733133893233428
102589037666127333876934
101736150916111562792790
107782178650117551252427
103800023290124779791801
120053275494126205172087
 

3.5  JDBC测试数据50W

测试10组数据：
 
普通插入(ms)
普通+事务(ms)
普通批量（ms）
批量+事务(MS)
19149201665752059826146472
2111596628071897888125075
21740291472651891542166921
194883861284212979193167
1909861167575185681156286
19908161413811980060148012
189679348087206593756832
21308561743882019914113289
20736361174622045715102792
19668281413191857867116854
 

3.6  JDBC测试样本均值

3.6.1  测试样本SQL

3.6.1.1       毫秒级SQL【time(ms)】

 SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=10000 and p.pmethod='batchInsert';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=10000 and p.pmethod='batchInsert2';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=10000 and p.pmethod='batchInsertWithTransaction';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=10000 and p.pmethod='batchInsertWithTransaction2';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=50000 and p.pmethod='batchInsert';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=50000 and p.pmethod='batchInsert2';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=50000 and p.pmethod='batchInsertWithTransaction';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=50000 and p.pmethod='batchInsertWithTransaction2';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=100000 and p.pmethod='batchInsert';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=100000 and p.pmethod='batchInsert2';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=100000 and p.pmethod='batchInsertWithTransaction';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=100000 and p.pmethod='batchInsertWithTransaction2';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=250000 and p.pmethod='batchInsert';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=250000 and p.pmethod='batchInsert2';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=250000 and p.pmethod='batchInsertWithTransaction';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=250000 and p.pmethod='batchInsertWithTransaction2';SELECTAVG(p.ptime) FROM process_spend_time_resultp WHEREp.plimit=500000 andp.pmethod='batchInsert';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=500000 and p.pmethod='batchInsert2';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=500000 and p.pmethod='batchInsertWithTransaction';SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=500000 and p.pmethod='batchInsertWithTransaction2'; 

3.6.1.2       秒级SQL【time(s)】

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=10000 and p.pmethod='batchInsert';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=10000 and p.pmethod='batchInsert2';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=10000 and p.pmethod='batchInsertWithTransaction';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=10000 and p.pmethod='batchInsertWithTransaction2';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=50000 and p.pmethod='batchInsert';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=50000 and p.pmethod='batchInsert2';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=50000 and p.pmethod='batchInsertWithTransaction';SELECTAVG(p.ptime)/1000 FROM process_spend_time_resultp WHEREp.plimit=50000 andp.pmethod='batchInsertWithTransaction2';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=100000 and p.pmethod='batchInsert';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=100000 and p.pmethod='batchInsert2';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=100000 and p.pmethod='batchInsertWithTransaction';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=100000 and p.pmethod='batchInsertWithTransaction2';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=250000 and p.pmethod='batchInsert';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=250000 and p.pmethod='batchInsert2';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=250000 and p.pmethod='batchInsertWithTransaction';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=250000 and p.pmethod='batchInsertWithTransaction2';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=500000 and p.pmethod='batchInsert';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=500000 and p.pmethod='batchInsert2';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=500000 and p.pmethod='batchInsertWithTransaction';SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=500000 and p.pmethod='batchInsertWithTransaction2'; 

3.6.2  测试数据汇总

数据4舍5入保留2位小数
测试样例
1W（s）               

5W(s)               

10W(s)              

25W(s)                

50W(s)                               

普通插入
28.70
191.91
367.42
1040.82
2011.82
普通+事务
1.64
12.81
21.91
49.29
122.81
批量插入
32.38
223.00
385.83
1199.02
1980.54
批量+事务
2.37
15.51
18.63
69.71
112.57

3.7  JDBC测试规律总结

3.7.1  规律一：批量插入尽量使用事务控制

数据4舍5入保留2位小数
测试样例
1W（s）               

5W(s)                

10W(s)              

25W(s)               

50W(s)                               

普通插入
28.70
191.91
367.42
1040.82
2011.82
普通+事务
1.64
12.81
21.91
49.29
122.81
批量插入
32.38
223.00
385.83
1199.02
1980.54
批量+事务
2.37
15.51
18.63
69.71
112.57
 

3.7.2  规律二：事务批量处理的数据量不要太大

数据4舍5入保留2位小数
测试样例
1W（s）              

5W(s)                 

10W(s)              

25W(s)                

50W(s)                              

普通插入
28.70
191.91
367.42
1040.82
2011.82
普通+事务
1.64
12.81
21.91
49.29
122.81
批量插入
32.38
223.00
385.83
1199.02
1980.54
批量+事务
2.37
15.51
18.63
69.71
112.57

3.7.3  规律三：适当地设置MySQL参数可以提高数据库性能

数据4舍5入保留2位小数
测试样例
1W（s）              

5W(s)                 

10W(s)              

25W(s)                 

50W(s)                             

普通插入
28.70
191.91
367.42
1040.82
2011.82
普通+事务
1.64
12.81
21.91
49.29
122.81
批量插入
32.38
223.00
385.83
1199.02
1980.54
批量+事务
2.37
15.51
18.63
69.71
112.57

3.7.4  规律四：处理数据量和时间不是成倍增长

数据4舍5入保留2位小数
测试样例
1W（s）              

5W(s)                 

10W(s)              

25W(s)                  

50W(s)                            

普通插入
28.70
191.91
367.42
1040.82
2011.82
普通+事务
1.64
12.81
21.91
49.29
122.81
批量插入
32.38
223.00
385.83
1199.02
1980.54
批量+事务
2.37
15.51
18.63
69.71
112.57

3.7.5  规律五：数据库性能随数据量的不断加大而降低

数据4舍5入保留2位小数
测试样例
1W（s）                

5W(s)               

10W(s)              

25W(s)                  

50W(s)                            

普通插入
28.70
191.91
367.42
1040.82
2011.82
普通+事务
1.64
12.81
21.91
49.29
122.81
批量插入
32.38
223.00
385.83
1199.02
1980.54
批量+事务
2.37
15.51
18.63
69.71
112.57
 

4      结论

经过以上测试得出结论：Mybatis的批量适合处理少了数据的批量处理，而JDBC适合大数据量的批量处理。据此，采用JDBC批量+事务处理大数据量的表插入操作是最合适的。

5      方案

因为要考虑JVM的GC所以数据应该限制一下，但鉴于Mybatis大数据量的批量插入效率不高，所以根据数据大小分段治理。
 

5.1  小于1W使用：Mybatis批量插入方案

对JVM进行调优，但主要的性能瓶颈在批量插入操作。鉴于mybatis在项目开发方面的优势，数据量很小的情况下还是建议使用Mybatis。
 

5.2  大于1W小于10W使用：JDBC批量+事务处理

对JVM进行调优（设置Stack和GC等）。一般操作30秒以内是可以容忍的性能耗时。

5.3  10W以上数据使用：数据分批+JDBC批量+事务处理

对JVM进行调优（设置Stack和GC等），通过数据分批处理。对于分批处理需要借鉴前面的测试数据来定义分批量的大小，主要是对操作时间调优。
 
如果是100W、1000W级别的数据量，分批处理可以很大程度地提升插入效率，具体的分批需要通过实践去分配，数据量太大这里就不做实验了。

6      参考资料

JDBC实现往MySQL数据库插入百万数据：http://www.cnblogs.com/fnz0/p/5713102.html
 
 
MySQL Max_allowed_packet: http://stackoverflow.com/questions/8062496/how-to-change-max-allowed-packet-size
 
Spring Mybatis和Spring JDBC的插入效率比较：http://toplchx.iteye.com/blog/1988254
 
注：另外一种比较高效的导入方式是生成一个文本文件使用MySQL的JDBC LOAD DATA LOCAL INFILE；参考示例：
MySQL使用JDBC LOAD DATA LOCAL INFILE导入注意事项

MySQL使用LOAD DATA LOCAL INFILE数据3-5秒导入40W数据

Java不写文件，LOAD DATA LOCAL INFILE大批量导入数据到MySQL的实现

7.实战演练

注意：事务处理的数据量不能太多。

7.1  JDBC工具类

 
package com.wlyd.fmcgwms.util.jdbc;
 
import java.io.IOException;
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.SQLException;
import java.util.Properties;
/**
 *JDBC连接工具类
 *
 *@package com.wlyd.fmcgwms.util.jdbc.JdbcConnection
 *@date   2017年4月17日  下午3:32:15
 *@author pengjunlin
 *@comment  
 *@update
 */
public class JdbcConnection {
        
         privatestatic Connection conn = null; 
        
   private static Properties props = null; 
 
   static { 
       props = new Properties(); 
       try { 
           props.load(JdbcConnection.class.getResourceAsStream("/jdbc.properties")); 
       } catch (IOException e1) { 
           e1.printStackTrace(); 
       } 
       try { 
           Class.forName(props.getProperty("jdbc.driverClass")); 
       } catch (ClassNotFoundException e) { 
           e.printStackTrace(); 
       } 
    }
 
   public static Connection getConn(){ 
       try { 
           conn = DriverManager.getConnection(props.getProperty("jdbc.jdbcUrl"),props.getProperty("jdbc.user"),props.getProperty("jdbc.password")); 
           conn.setAutoCommit(false); 
       } catch (SQLException e) { 
           e.printStackTrace(); 
       } 
       return conn; 
   } 
     
   public void closeConn(){ 
       try { 
           if (conn != null) 
                conn.close(); 
       } catch (SQLException e) { 
           e.printStackTrace();
       } 
         
   } 
 
}
 

7.2  批量事务插入

7.2.1  接口

 /**     * jdbc批量插入     *      * @MethodName: jdbcBatchInsert      * @Description:      * @param user     * @param items     * @return     * @throws Exception     * @throws     */    int jdbcBatchInsert(EsUser user,List<WmElectronicSheetItem> items) throws Exception;        /**     * jdbc批量插入     *      * @MethodName: jdbcPerBatchInsert      * @Description:      * @param user     * @param items     * @return     * @throws Exception     * @throws     */    intjdbcPerBatchInsert(EsUser user, List<WmElectronicSheetItem> items)  throws Exception;

7.2.2  实现

@Override    publicint jdbcBatchInsert(EsUser user, List<WmElectronicSheetItem> items) throws Exception {        intflag = 0;         intperCount = 100, index = 0;         inttimes = items.size() / perCount;        longstime=System.currentTimeMillis();        try {            do {                // 休眠50ms                Thread.sleep(50);                List<WmElectronicSheetItem>listTemp= null;                if (items.size() >= perCount) {                    listTemp = items.subList(0, perCount);// listTemp是分段处理逻辑的参数                }else{                    listTemp = items.subList(0, items.size());// listTemp是分段处理逻辑的参数                 }                // 遍历当前的值是否正确                Stringresult= "";                for (inti = 0; i < listTemp.size(); i++) {                    result += listTemp.get(i) + ",";                }                Log.getLogger(getClass()).info("第" + (index+1)+ "轮:>>" + result);                                // 事务单元执行个数==尽量在事务里面处理少一点(事务尽量小一点)                jdbcPerBatchInsert(user, listTemp);                 items.removeAll(listTemp);                 Log.getLogger(getClass()).info("当前剩余集合长度:>>" + items.size());                 index++;            }while(index<= times);            // 计算时间            longetime=System.currentTimeMillis();            Log.getLogger(getClass()).info(">>封装面单号批量事务插入总共耗时-----------------------:"+(etime-stime)+"ms!");        }catch(Exception e) {            e.printStackTrace();            flag=2;            Log.getLogger(getClass()).error("JDBC批量执行插入异常:>>" + items.size());            thrownew RuntimeException();        }         returnflag;    }      @Override    publicintjdbcPerBatchInsert(EsUser user, List<WmElectronicSheetItem> items)            throws Exception {        intflag=0;        Connectionconn=JdbcConnection.getConn();        PreparedStatementpstm= null;        try {            Stringsql= "insert intowm_electronic_sheet_item_?  ("                    +"WESI_WESB_ID,WESI_CARRIER_CODE,WESI_START_CHARACTER,WESI_SEQUENCE,"                    +"WESI_WAREHOUSE_ID, WESI_CODE,WESI_STATE, "                    +"CREATOR, CREATE_TIME, MODIFIER,MODIFY_TIME) values"                    +"(?, ?, ?,  ?, ?, ?, ?, ?, ?, ?, ?)";            conn.setAutoCommit(false);            Log.getLogger(getClass()).info(">>>>>>验证JDBC连接："+(conn!=null));            for (inti = 0, j = items.size(); i < j; i++) {                WmElectronicSheetItemitem= items.get(i);                pstm = conn.prepareStatement(sql);                pstm.setInt(1, Integer.valueOf(user.getEsCorCode())); // tableName                pstm.setInt(2, item.getWesiWesbId());// WESI_WESB_ID                pstm.setString(3, item.getWesiCarrierCode());// WESI_CARRIER_CODE                pstm.setString(4, item.getWesiStartCharacter());// WESI_START_CHARACTER                pstm.setString(5, item.getWesiSequence());// WESI_SEQUENCE                pstm.setInt(6, item.getWesiWarehouseId());// WESI_WAREHOUSE_ID                pstm.setString(7, item.getWesiCode());// WESI_CODE                pstm.setInt(8, item.getWesiState());// WESI_STATE                pstm.setInt(9, user.getEsId());// CREATOR                pstm.setTimestamp(10,new java.sql.Timestamp(new Date().getTime()));// CREATE_TIME                pstm.setInt(11, -1);// MODIFIER                pstm.setTimestamp(12, null);// MODIFY_TIME                pstm.executeUpdate();            }            conn.commit();// 手动提交事务        }catch(Exception e) {            e.printStackTrace();            flag=2;            Log.getLogger(getClass()).error("JDBC批量分配事务单元执行插入异常:>>" + items.size());            thrownew RuntimeException();        }finally{            if (pstm != null) {                try {                    pstm.close();                }catch(SQLException e) {                    e.printStackTrace();                }            }            if (conn != null) {                conn.close();            }        }        returnflag;    }

7.3测试一组数据

测试50000条数据耗时统计：

数据样本事务大小 （每个事务处理的数量）                               

         耗时(ms)                                            

100
100258
500
75041
1000
68850
3000
78354
通过这种方式提交比较安全不会出现线程锁表问题，事务处理尽量少，根据每次事务提交执行的量可以实现时间上的优化。

本文测试文档代码和数据库均已上传：http://download.csdn.net/detail/boonya/9812860
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
标签： 
相关文章推荐
新的分享
章节导航