如何快速安全的插入千萬條資料？

最近有個需求解析一個訂單檔案，并且說明檔案可達到千萬條資料，每條資料大概在20個字段左右，每個字段使用逗号分隔，需要盡量在半小時内入庫。

思路

1.估算檔案大小

因為告訴檔案有千萬條，同時每條記錄大概在20個字段左右，是以可以大緻估算一下整個訂單檔案的大小，方法也很簡單使用FileWriter往檔案中插入一千萬條資料，檢視檔案大小，經測試大概在1.5G左右；

2.如何批量插入

由上可知檔案比較大，一次性讀取記憶體肯定不行，方法是每次從目前訂單檔案中截取一部分資料，然後進行批量插入，如何批次插入可以使用insert(...)values(...),(...)的方式，經測試這種方式效率還是挺高的；怎麼快速插入 100 條資料，用時最短，這篇看下。

3.資料的完整性

截取資料的時候需要注意，需要保證資料的完整性，每條記錄最後都是一個換行符，需要根據這個辨別保證每次截取都是整條數，不要出現半條資料這種情況；

4.資料庫是否支援批次資料

因為需要進行批次資料的插入，資料庫是否支援大量資料寫入，比如這邊使用的mysql，可以通過設定max_allowed_packet來保證批次送出的資料量；

5.中途出錯的情況

因為是大檔案解析，如果中途出現錯誤，比如資料剛好插入到900w的時候，資料庫連接配接失敗，這種情況不可能重新來插一遍，所有需要記錄每次插入資料的位置，并且需要保證和批次插入的資料在同一個事務中，這樣恢複之後可以從記錄的位置開始繼續插入。

實作

1.準備資料表

這裡需要準備兩張表分别是：訂單狀态位置資訊表，訂單表；

CREATE TABLE `file_analysis` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT,
  `file_type` varchar(255) NOT NULL COMMENT '檔案類型 01:類型1，02:類型2',
  `file_name` varchar(255) NOT NULL COMMENT '檔案名稱',
  `file_path` varchar(255) NOT NULL COMMENT '檔案路徑',
  `status` varchar(255) NOT NULL COMMENT '檔案狀态 0初始化；1成功；2失敗：3進行中',
  `position` bigint(20) NOT NULL COMMENT '上一次處理完成的位置',
  `crt_time` datetime NOT NULL COMMENT '建立時間',
  `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 '建立時間',
  `upd_time` datetime NOT NULL COMMENT '更新時間',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=10000024 DEFAULT CHARSET=utf8      

2.配置資料庫包大小

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      

通過設定max_allowed_packet，保證資料庫能夠接收批次插入的資料包大小；不然會出現如下錯誤：

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.準備測試資料

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周遊往一個檔案裡插入1000w條資料即可，這個速度還是很快的，不要忘了在每條資料的後面添加換行符(\n\r)；

4.截取資料的完整性

除了需要設定每次讀取檔案的大小，同時還需要設定一個參數，用來每次擷取一小部分資料，從這小部分資料中擷取換行符(\n\r)，如果擷取不到一直累加直接擷取為止，這個值設定大小大緻同每條資料的大小差不多合适，部分實作如下：

ByteBuffer byteBuffer = ByteBuffer.allocate(buffSize); // 申請一個緩存區
long endPosition = batchFileSize + startPosition - buffSize;// 子檔案結束位置

long startTime, endTime;
for (int i = 0; i < count; i++) {
    startTime = System.currentTimeMillis();
    if (i + 1 != count) {
        int read = inputChannel.read(byteBuffer, endPosition);// 讀取資料
        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; // 最後一個檔案直接指向檔案末尾
    }
    ...省略，更多可以檢視Github完整代碼...
}      

如上代碼所示開辟了一個緩沖區，根據每行資料大小來定大概在200位元組左右，然後通過周遊查找換行符(\n\r)，找到以後将目前的位置加到之前的結束位置上，保證了資料的完整性；

5.批次插入資料

通過insert(...)values(...),(...)的方式批次插入資料，部分代碼如下：

// 儲存訂單和解析位置保證在一個事務中
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("===插入資料花費:" + (endTime - startTime) + "ms===");
} catch (Exception e) {
  session.rollback();
} finally {
  session.close();
}
...省略，更多可以檢視Github完整代碼...      

如上代碼在一個事務中同時儲存批次訂單資料和檔案解析位置資訊，batchInsert通過使用mybatis的标簽來周遊訂單清單，生成values資料；

總結

以上展示了部分代碼，完整的代碼可以檢視Github位址中的batchInsert子產品，本地設定每次截取的檔案大小為2M。

經測試1000w條資料(大小1.5G左右)插入mysql資料庫中，大概花費時間在20分鐘左右，當然可以通過設定截取的檔案大小，花費的時間也會相應的改變。