MySQL批量插入的分析以及注意事项

1、背景

　　我们在工作中基本都会碰到批量插入数据到DB的情况，这个时候我们就需要根据不同的情况选择不同的策略。

　　只要了解sql，就应该知道，向table中插入数据的命令，至少有insert和replace这两种，使用哪一种命令，和自己的业务有关；

　　本文就针对insert进行批量插入进行阐述，然后根据自身经历分享几个注意事项。

2、两种方式的对比

　　即使是insert命令，他也是有多种插入数据的方式的。但这里就不深入了解底层insert是怎么做的了，那个已经超出本人的知识范畴，哈哈。

　　但是我们可以大致了解MySQL的执行命令时的初略步骤：

　　1、首先建立连接（Socke连接）；

　　2、Client将要执行的sql命令通过TCP连接，发给Server；

　　Client，可以理解为我们用各种语言写的项目程序（客户端）；

　　Server，就是数据库Server，负责执行。

3、数据库Server收到数据（sql）后，会解析sql，然后进行处理；

4、将处理结果返回客户端。

有了上面的流程，我们就开始说insert的两种插入方式区别，下面是测试使用的表：

CREATE TABLE `user` (
  `id` 		int(11) 	NOT NULL AUTO_INCREMENT COMMENT ‘编号‘,
  `name` 	varchar(40) NOT NULL COMMENT ‘姓名‘,
  `gender` 	tinyint(1) 	DEFAULT ‘0‘ COMMENT ‘性别:1-男;2-女‘,
  `addr` 	varchar(40) NOT NULL COMMENT ‘住址‘,
  `status` 	tinyint(1) 	DEFAULT ‘1‘ COMMENT ‘是否有效:1-有效;2-无效‘,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4

2.1、一次插入一条数据

　　最初学习数据库，都知道使用insert可以实现数据插入，比如向user表中插入一条数据：

mysql> insert into user (id, name, gender, addr, status) values (1, ‘aaa‘, 1, ‘beijing‘, 1);
Query OK, 1 row affected (0.00 sec)

mysql> select * from user;
 ---- ------ -------- --------- -------- 
| id | name | gender | addr    | status |
 ---- ------ -------- --------- -------- 
|  1 | aaa  |      1 | beijing |      1 |
 ---- ------ -------- --------- -------- 
1 row in set (0.00 sec)

　　这是最简单的方式了，当然这是在命令行里面，当然命令行也是一种客户端；

　　如果是客户端我们代码的程序，比如Java利用jdbc来执行sql，也是传给MySQL Server上面执行的insert命令；

　　上面的insert命令的确是能插入数据数据的，也就是每执行一条insert命令，就需要通过网络将命令发送给MySQL Server解析运行，如果有上千万行数据需要插入，那么是不是需要进行上千万次连接传输呢？虽然现在可以使用连接池，但是传输的次数是是躲不掉的。

　　使用insert一次插入一条数据的这种方式，绝大多数都是使用这种方式，来进行少量的数据插入！！！

　　如果用这种方式进行大量数据的入库，哈哈，花的时间可以喝好多杯咖啡了。

2.2、一次插入多条数据

　　上面已经说到了，一次插入一条数据的主要缺陷是：需要建立N次连接，然后传输N连接，因为连接池的存在，可以忽略连接耗时，但是传输N次的耗时，不可小觑，所以我们可以从这方面进行考虑优化。

　　比如，一个工人负责将100块砖从A点搬到B点，每次搬1块砖，花费1个单位时间，那么搬完100块砖，需要100单位时间（不考虑来回）；

　　如果一次搬5块砖，那么只需要20单位时间，是不是快了很多呢？

　　同理，我们使用insert也可以进行批量插入数据：

insert into user 
	(id, name, gender, addr, status) 
values 
	(2, ‘bbb‘, 0, ‘shanghai‘, 1),
	(3, ‘ccc‘, 1, ‘hangzhou‘, 0),
	(4, ‘ddd‘, 0, ‘chongqing‘, 0);

　　这样就可以一次性插入3条数据了。

　　对于客户端来说，只需要进行拼接sql语句即可，然后将拼接后的sql一次性发给MySQL Server就可以了。

　　注意，SQL要使用拼接，而不是说预处理！！！

　　预处理的作用是避免频繁编译sql、sql注入；使用预处理来进行批量插入时，使用循环每次设置占位符值，这个和一次插入一条命令是等价的，如下面的示例，其实执行了3次1条记录插入：

<?php
    $pdo = new PDO("mysql:host=localhost;dbname=test","root","root");
    $sql = "insert into user (id, name, gender, addr, status) values (?,?,?,?,?)";
    $stmt = $pdo->prepare($sql);

    $stmt->execute(array("5", "eee", "1", "PEK", 1));
    $stmt->execute(array("6", "fff", "0", "SHA", 0));
    $stmt->execute(array("7", "ggg", "1", "LNL", 1));
 ?>

　　正确的方式：

<?php
    $pdo = new PDO("mysql:host=localhost;dbname=test","root","root");
    $sql = ‘insert into user (id, name, gender, addr, status) values ‘;

    // 可以使用循环进行sql拼接
    $sql .= ‘("5", "eee", "1", "PEK", 1),‘;
    $sql .= ‘("6", "fff", "0", "SHA", 0),‘;
    $sql .= ‘("7", "ggg", "1", "LNL", 1)‘; 

    $pdo->exec($sql);
 ?>

　　如果是Java可以使用原生JDBC，进行上面一样拼接，就不写代码了；

　　如果Java使用Mybatis的话，可以使用<foreach>标签，

<insert id="batchInsert" parameterType="list">
    insert ignore into user (id, name, gender, addr, status) values
    <foreach collection="list" item="item" separator=",">
        (
	        #{item.id,jdbcType=INT}, 
	        #{item.name,jdbcType=VARCHAR}, 
	        #{item.gender,jdbcType=BIT},
	        #{item.addr,jdbcType=VARCHAR}, 
	        #{item.status,jdbcType=BIT}
        )
    </foreach>
</insert>

3、拓展一下

　　批量insert，每次insert的量是多少合适呢？

　　以上面工人搬砖的例子，一次搬5块砖，需要20单位时间，那岂不是1次搬100块砖，只需要1单位时间了？是这个逻辑，但是这样是不行的，需要看实际情况！！！

　　这个实际情况是什么呢？不好说，比如一个比较强壮的工人，一次100块砖，不是难事；如果工人没那么强转，一次100块砖，可能直接把工人给干倒了，1块砖也搬不了，这时可不止100单位时间。

　　另外，放砖的B点，是不是能一次接收100块砖，这也是一个问题。

　　上面的例子，类比到insert批量插入，就需要注意：

　　1、要根据情况设置一次批量插入的数据量，数据量大，在网络中传输的事件也越久，出现问题的可能也越大；

　　2、除了网络，还要看机器配置，MySQL Server配置差了，sql写得再好，效率也不会太高；

　　3、另外批量这个词，是指一次插入多条数据，我们除了要注意数据的条数，还要注意一条数据的大小，举个例子：比如一条记录的数据量有1M，10条记录的数据量就10M，这时一次插100条，100M数据，嘿嘿，你试试看！！所以，一次插入多少数据，一定要经过多次测试后再决定，别人1次插100条最优，你可能1次插10条才最优，没有绝对的最优值（批量插入未必总是比单条插入效率高）。

　　4、数据库有个参数，max_allowed_packet，也就是每一个包（sql）命令大小，默认是1M，那么sql的长度大于1M就会报错。你可能会说，咱们把这个参数设成10M，100M不就行了？？？对呀，没毛病，但你是DBA吗？你有权限吗？即使调大这一个参数，你要知道影响的可不止你这一张表，而是整个DB Server，那影响的可是很多库，很多表。

　　5、批量插入并不是越快越好，我们可能希望越快越好，这很正常，节省时间嘛。但是我们一定要知道，数据库分读写，有集群，这就意味着，需要同步！！！如果有分库分表分区的情况，如果短时间内插入的数据量太大，数据库同步可能就会比较迷了，读写数据不一致的情况在所难免了，可能会因为一张表的批量插入，影响整个DB服务组的同步，同时还要考虑并发问题，哈哈哈。　

4、Other

　　可以注意一下，我在上面写的insert语句中，基本每一条命令都写了插入的字段，如下：

insert into user (id, name, gender, addr, status) values (1, ‘aaa‘, 1, ‘beijing‘, 1);

　　其实我知道表的各个字段的排列顺序，完全可以省略字段名，如下：

insert into user values (1, ‘aaa‘, 1, ‘beijing‘, 1);

　　这两种方式的效率，这里就不谈了，不过第一种方式，在某些场景有优势，举个例子：比如user表中增加create_time、update_time：

CREATE TABLE `user` (
  `id` 		int(11) 	NOT NULL AUTO_INCREMENT COMMENT ‘编号‘,
  `name` 	varchar(40) NOT NULL COMMENT ‘姓名‘,
  `gender` 	tinyint(1) 	DEFAULT ‘0‘ COMMENT ‘性别:1-男;2-女‘,
  `addr` 	varchar(40) NOT NULL COMMENT ‘住址‘,
  `status` 	tinyint(1) 	DEFAULT ‘1‘ COMMENT ‘是否有效‘,
  `create_time` timestamp  DEFAULT CURRENT_TIMESTAMP,
  `update_time` timestamp  DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

　　如果没有强制要求create_time和update_time必须从客户端接收，那么完全可以用默认值，insert的时候不用下面的语句：

--- 强制create_time和update_time使用client传递值
insert into user 
	(id, name, gender, addr, status, create_time, update_time) 
values 
	(2, ‘bbb‘, 0, ‘shanghai‘, 1, ‘2019-11-09 18:00:00‘, ‘2019-11-09 18:00:00‘),
	(3, ‘ccc‘, 1, ‘hangzhou‘, 0, ‘2019-11-09 18:00:00‘, ‘2019-11-09 18:00:00‘),
	(4, ‘ddd‘, 0, ‘chongqing‘, 0, ‘2019-11-09 18:00:00‘, ‘2019-11-09 18:00:00‘);

--- create_time和update_time不需要强制使用client传递值，可以使用默认值
insert into user 
	(id, name, gender, addr, status) 
values 
	(2, ‘bbb‘, 0, ‘shanghai‘, 1),
	(3, ‘ccc‘, 1, ‘hangzhou‘, 0),
	(4, ‘ddd‘, 0, ‘chongqing‘, 0);

　　类似的，对于有些字段有默认值，并且批量插入的时候，都使用默认值时，可以省略该字段，因为拼接sql的时候可以少拼接一点，网络传输的数据就少一点，能提升一点是一点吧，这个还得看实际情况。

秒客网