最近由于工作的原因，經(jīng)常需要對(duì)海量數(shù)據(jù)進(jìn)行處理，做的數(shù)據(jù)爬蟲相關(guān)，動(dòng)輒千萬級(jí)別的數(shù)據(jù)，單表幾十個(gè)G 都是都是家常便飯。那么主要的開發(fā)語言是C#，數(shù)據(jù)庫使用的是MySQL。下面通過這篇文章我們來一起學(xué)習(xí)學(xué)習(xí)吧。

前言

C#操作MySQL大量數(shù)據(jù)最常見的操作便是 select 讀取數(shù)據(jù)，然后在C#中對(duì)數(shù)據(jù)進(jìn)行處理，完畢后再插入數(shù)據(jù)庫中。簡而言之就 select -> process -> insert 三個(gè)步驟。對(duì)于數(shù)據(jù)量小的情況下（百萬級(jí)別 or 幾百兆)可能

最多1個(gè)小時(shí)就處理完了。但是對(duì)于千萬級(jí)數(shù)據(jù)可能幾天，甚至更多。那么問題來了，如何優(yōu)化？？

第一步解決讀取的問題

跟數(shù)據(jù)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(yīng)該被用在大型項(xiàng)目中。

【輕武器】 Dapper,PetaPoco 看過源碼你會(huì)發(fā)現(xiàn)用到了反射，雖然使用 IL和緩存技術(shù) ，但是還是會(huì)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(jìn)行高效讀取，并且使用索引取數(shù)據(jù)（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(shè)置讀取的超時(shí)，不然在海量數(shù)據(jù)時(shí)很容易超時(shí)
 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(shè)置命令的執(zhí)行超時(shí)
 rcmd.CommandTimeout = 99999999;
 var myData = rcmd.ExecuteReader();

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

哈哈，怎么樣，代碼非常原始，還是使用索引來取數(shù)據(jù)，很容易出錯(cuò)。當(dāng)然一切為了性能咱都忍了

第二步數(shù)據(jù)處理

其實(shí)這一步，根據(jù)你的業(yè)務(wù)需要，代碼肯定不一，不過無非是一些字符串處理，類型轉(zhuǎn)換的操作，這時(shí)候就是考驗(yàn)?zāi)愕腃#基礎(chǔ)功底的時(shí)候了。以及如何高效編寫正則表達(dá)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(shù)據(jù)插入

如何批量插入才最高效呢？有同學(xué)會(huì)說，使用事務(wù) 啊，BeginTransaction, 然后EndTransaction。恩，這個(gè)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(hào)，鏈接起來，然后一次性執(zhí)行。

當(dāng)然不能一次性提交個(gè)100MB的SQL執(zhí)行，MySQL服務(wù)器對(duì)每次執(zhí)行命令的長度是有限制的。通過 MySQL服務(wù)器端的 max_allowed_packet 屬性可以查看，默認(rèn)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(shè)置讀取的超時(shí)，不然在海量數(shù)據(jù)時(shí)很容易超時(shí)
  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(shè)置命令的執(zhí)行超時(shí)
  rcmd.CommandTimeout = 99999999;
  var myData = rcmd.ExecuteReader();
  while (myData.Read())
  {
   var f1 = myData.GetInt32(0);
   var f2 = myData.GetString(1);
   //這里做數(shù)據(jù)處理....
   sqlBuilder.AppendFormat("({0},'{1}'),", f1,AddSlash(f2));
   if (sqlBuilder.Length >= 1024 * 1024 * 1024)//當(dāng)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(hào)，然后執(zhí)行
    sqlBuilder.Clear();//清空
    sqlBuilder.Append(sqlHeader);//在加上insert 頭
   }
  }
}

好了，到這里大概的優(yōu)化后的高效查詢、插入就完成了。

總結(jié)

總結(jié)下來，無非2個(gè)關(guān)鍵技術(shù)點(diǎn)， DataReader、SQL合并，都是一些老的技術(shù)啦。其實(shí)，上面的代碼只能稱得上高效，但是，卻非常的不優(yōu)雅。以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對(duì)大家能有所幫助，如果有疑問大家可以留言交流。

您可能感興趣的文章: