使用PreparedStatement批量操作数据

2024-03-11 15:50

本文主要是介绍使用PreparedStatement批量操作数据,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、批量执行SQL语句

当需要成批插入或者更新记录时,可以采用Java的批量更新机制,这一机制允许多条语句一次性提交给数据库批量处理。通常情况下比单独提交处理更有效率

JDBC的批量处理语句包括下面三个方法:

  • addBatch(String):添加需要批量处理的SQL语句或是参数;
  • executeBatch():执行批量处理语句;
  • clearBatch():清空缓存的数据

通常我们会遇到两种批量执行SQL语句的情况:

  • 多条SQL语句的批量处理;
  • 一个SQL语句的批量传参;

二、使用PreparedStatement批量插入数据

@Testpublic void testInsert1(){Connection connection = null;PreparedStatement preparedStatement = null;try {long start = System.currentTimeMillis();connection = JDBCUtils.getConnection();String sql = "insert into goods(name)values(?)";preparedStatement = connection.prepareStatement(sql);for (int i = 0; i < 20000; i++) {preparedStatement.setObject(1,"name_" + i);preparedStatement.execute();}long end = System.currentTimeMillis();System.out.println("花费的时间为:" + (end - start));} catch (Exception e) {e.printStackTrace();} finally {JDBCUtils.closeResource(connection,preparedStatement);}}

花费时间为
在这里插入图片描述
优化插入操作,减少磁盘IO操作。使用addBatch()executeBatch()clearBatch()三个方法实现批处理。mysql服务器默认是关闭批处理的,我们需要通过一个参数,让mysql开启批处理的支持。将?rewriteBatchedStatements=true 写在配置文件的url后面。

url=jdbc:mysql://localhost:3306/test?rewriteBatchedStatements=true
	@Testpublic void testInsert2(){Connection connection = null;PreparedStatement preparedStatement = null;try {long start = System.currentTimeMillis();connection = JDBCUtils.getConnection();String sql = "insert into goods(name)values(?)";preparedStatement = connection.prepareStatement(sql);for (int i = 0; i < 20000; i++) {preparedStatement.setObject(1,"name_" + i);//1、暂时缓存sql,缓存一定数量之后再与数据库交互,进行插入preparedStatement.addBatch();if(i % 500 == 0){       //缓存500个sql,执行一次数据库插入的交互//2、执行batchpreparedStatement.executeBatch();//3、清空batchpreparedStatement.clearBatch();}}long end = System.currentTimeMillis();System.out.println("花费的时间为:" + (end - start));} catch (Exception e) {e.printStackTrace();} finally {JDBCUtils.closeResource(connection,preparedStatement);}}

花费时间
在这里插入图片描述
还可以再优化,设置不自动提交,等到所有数据都传输完成以后,最后一块提交。

@Testpublic void testInsert3(){Connection connection = null;PreparedStatement preparedStatement = null;try {long start = System.currentTimeMillis();connection = JDBCUtils.getConnection();//设置不允许自动提交数据connection.setAutoCommit(false);String sql = "insert into goods(name)values(?)";preparedStatement = connection.prepareStatement(sql);for (int i = 0; i < 2000000; i++) {preparedStatement.setObject(1,"name_" + i);//1、暂时缓存sql,缓存一定数量之后再与数据库交互,进行插入preparedStatement.addBatch();if(i % 500 == 0){       //缓存500个sql,执行一次数据库插入的交互//2、执行batchpreparedStatement.executeBatch();//3、清空batchpreparedStatement.clearBatch();}}//统一提交数据connection.commit();long end = System.currentTimeMillis();System.out.println("花费的时间为:" + (end - start));} catch (Exception e) {e.printStackTrace();} finally {JDBCUtils.closeResource(connection,preparedStatement);}}

这篇关于使用PreparedStatement批量操作数据的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/798279

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传