欧美日韩国产一区二区三区,国产精品久久久久久久久鸭上传,亚洲精品国产人妻

主頁 > 知識庫 > C#如何在海量數據下的高效讀取寫入MySQL

C#如何在海量數據下的高效讀取寫入MySQL

前提

由于工作的原因，經常需要對海量數據進行處理，做的數據爬蟲相關，動輒千萬級別的數據，單表幾十個G都是都是家常便飯。主要開發語言是C#，數據庫使用的是MySQL。

最常見的操作便是 select 讀取數據，然后在C#中對數據進行處理，完畢后再插入數據庫中。簡而言之就 select -> process -> insert三個步驟。對于數據量小的情況下（百萬級別 or 幾百兆)可能最多1個小時就處理完了。但是對于千萬級數據可能幾天，甚至更多。那么問題來了，如何優化？？

（數據庫的一覽，有圖有真相）

第一步解決讀取的問題

跟數據庫打交道的方式有很多，我來列舉下吧：

1. 【重武器-坦克大炮】使用重型ORM框架，比如EF,NHibernat 這樣的框架。
2. 【輕武器-AK47】使用Dapper,PetaPoco之類，單cs文件。靈活高效，使用簡單。居家越貨必備（我更喜歡PetaPoco :)）
3. 【冷兵器？匕首？】使用原生的Connection、Command。然后寫原生的SQL語句。。

分析：

【重武器】在我們這里肯定直接被PASS，他們應該被用在大型項目中。

【輕武器】Dapper,PetaPoco 看過源碼你會發現用到了反射，雖然使用IL和緩存技術，但是還是會影響讀取效率，PASS
好吧那就只有使用匕首，原生SQL走起，利用DataReader 進行高效讀取，并且使用索引取數據（更快），而不是列名。
大概的代碼如下：

using (var conn = new MySqlConnection('Connection String...'))
{
  conn.Open();
  //此處設置讀取的超時，不然在海量數據時很容易超時
  var c = new MySqlCommand('set net_write_timeout=9999999; set net_read_timeout=9999999', conn);
  c.ExecuteNonQuery();

  MySqlCommand rcmd = new MySqlCommand();
  rcmd.Connection = conn;
  rcmd.CommandText = @'SELECT `f1`,`f2` FROM `table1`';
  //設置命令的執行超時
  rcmd.CommandTimeout = 99999999;
  var myData = rcmd.ExecuteReader();

  while (myData.Read())
  {
    var f1= myData.GetInt32(0);
    var f2= myData.GetString(1);
    //這里做數據處理....
  }
}

哈哈，怎么樣，代碼非常原始，還是使用索引來取數據，很容易出錯。當然一切為了性能咱都忍了

第二步數據處理

其實這一步，根據你的業務需要，代碼肯定不一，不過無非是一些字符串處理，類型轉換的操作，這時候就是考驗你的C#基礎功底的時候了。以及如何高效編寫正則表達式。。。

具體代碼也沒法寫啊，先看完CLR via C# 在來跟我討論吧，O(∩_∩)O哈哈哈~ 跳過。。。。

第三部數據插入

如何批量插入才最高效呢？有同學會說，使用事務啊，BeginTransaction, 然后EndTransaction。恩，這個的確可以提高插入效率。但是還有更加高效的方法，那就是合并insert語句。

那么怎么合并呢？

insert into table (f1,f2) values(1,'sss'),values(2,'bbbb'),values(3,'cccc');

就是把values后面的全部用逗號，鏈接起來，然后一次性執行。

當然不能一次性提交個100MB的SQL執行，MySQL服務器對每次執行命令的長度是有限制的。通過 MySQL服務器端的max_allowed_packet 屬性可以查看，默認是1MB

咱們來看看偽代碼吧

 //使用StringBuilder高效拼接字符串
 var sqlBuilder = new StringBuilder();
 //添加insert 語句的頭
 string sqlHeader = 'insert into table1 (`f1`,`f2`) values';
 sqlBuilder.Append(sqlHeader);
 using (var conn = new MySqlConnection('Connection String...'))
 {
   conn.Open();
   //此處設置讀取的超時，不然在海量數據時很容易超時
   var c = new MySqlCommand('set net_write_timeout=9999999; set net_read_timeout=9999999', conn);
   c.ExecuteNonQuery();

   MySqlCommand rcmd = new MySqlCommand();
   rcmd.Connection = conn;
   rcmd.CommandText = @'SELECT `f1`,`f2` FROM `table1`';
   //設置命令的執行超時
   rcmd.CommandTimeout = 99999999;
   var myData = rcmd.ExecuteReader();
   while (myData.Read())
   {
     var f1 = myData.GetInt32(0);
     var f2 = myData.GetString(1);
     //這里做數據處理....
     sqlBuilder.AppendFormat('({0},'{1}'),', f1,AddSlash(f2));
     if (sqlBuilder.Length >= 1024 * 1024)//當然這里的1MB length的字符串并不等于 1MB的Packet。。。我知道：）
     {
       insertCmd.Execute(sqlBuilder.Remove(sqlBuilder.Length-1,1).ToString())//移除逗號，然后執行
       sqlBuilder.Clear();//清空
       sqlBuilder.Append(sqlHeader);//在加上insert 頭
     }
   }
}

好了，到這里大概的優化后的高效查詢、插入就完成了。

結語

總結下來，無非2個關鍵技術點，DataReader、SQL合并，都是一些老的技術啦。

其實，上面的代碼只能稱得上高效，但是，卻非常的不優雅。。。甚至難看。。。

那那么問題來了？如何進行重構呢？通過重構抽象出一個可用的類，而不必關心字符串拼接這些亂七八糟的東西，支持多線程合并寫入，最大限度提高寫入IO，我們在下一篇文章中再來談談。

您可能感興趣的文章: