这篇文章主要介绍了 C# 如何在海量数据下的高效读取写入 MySQL 的相关资料, 需要的朋友可以参考下
MySQL 是一个开放源码的小型关联式数据库管理系统,开发者为瑞典 MySQL AB 公司。MySQL 被广泛地应用在 Internet 上的中小型网站中。由于其体积小、速度快、总体拥有成本低,尤其是开放源码这一特点,许多中小型网站为了降低网站总体拥有成本而选择了 MySQL 作为网站数据库。
前提
由于工作的原因,经常需要对海量数据进行处理,做的数据爬虫相关,动辄千万级别的数据,单表几十个 G 都是都是家常便饭。 主要开发语言是 C#,数据库使用的是 MySQL。
最常见的操作便是 select 读取数据,然后在 C# 中对数据进行处理, 完毕后再插入数据库中。 简而言之就 select -> process -> insert 三个步骤。 对于数据量小的情况下(百万级别 or 几百兆) 可能最多 1 个小时就处理完了。但是对于千万级数据可能几天,甚至更多。 那么问题来了,如何优化??
(数据库的一览,有图有真相)
第一步 解决读取的问题
跟数据库打交道的方式有很多,我来列举下吧:
1. 【重武器 - 坦克大炮】使用重型 ORM 框架,比如 EF,NHibernat 这样的框架。
2. 【轻武器 - AK47】 使用 Dapper,PetaPoco 之类,单 cs 文件。灵活高效,使用简单。居家越货必备(我更喜欢 PetaPoco :))
3. 【冷兵器?匕首?】使用原生的 Connection、Command。 然后写原生的 SQL 语句。。
分析:
【重武器】在我们这里肯定直接被 PASS, 他们应该被用在大型项目中。
【轻武器】Dapper,PetaPoco 看过源码你会发现用到了反射,虽然使用 IL 和缓存技术,但是还是会影响读取效率,PASS
好吧那就只有使用匕首,原生 SQL 走起, 利用 DataReader 进行高效读取,并且使用索引取数据(更快),而不是列名。
大概的代码如下:
- using (var conn = new MySqlConnection('Connection String...'))
- {
- conn.Open();
- //此处设置读取的超时,不然在海量数据时很容易超时
- 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`';
- //设置命令的执行超时
- rcmd.CommandTimeout = 99999999;
- var myData = rcmd.ExecuteReader();
- while (myData.Read())
- {
- var f1= myData.GetInt32(0);
- var f2= myData.GetString(1);
- //这里做数据处理....
- }
- }
哈哈,怎么样,代码非常原始,还是使用索引来取数据,很容易出错。 当然一切为了性能咱都忍了
第二步 数据处理
其实这一步,根据你的业务需要,代码肯定不一, 不过无非是一些字符串处理,类型转换的操作,这时候就是考验你的 C# 基础功底的时候了。 以及如何高效编写正则表达式。。。
具体代码也没法写啊 ,先看完 CLR via C# 在来跟我讨论吧 ,O(∩_∩)O 哈哈哈~ 跳过。。。。
第三部 数据插入
如何批量插入才最高效呢? 有同学会说, 使用事务啊,BeginTransaction, 然后 EndTransaction。 恩,这个的确可以提高插入效率。 但是还有更加高效的方法,那就是合并 insert 语句。
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 后面的全部用逗号,链接起来,然后一次性执行 。
当然不能一次性提交个 100MB 的 SQL 执行,MySQL 服务器对每次执行命令的长度是有限制的。 通过 MySQL 服务器端的 max_allowed_packet 属性可以查看, 默认是 1MB
咱们来看看伪代码吧
- //使用StringBuilder高效拼接字符串
- var sqlBuilder = new StringBuilder();
- //添加insert 语句的头
- string sqlHeader = 'insert into table1 (`f1`,`f2`) values';
- sqlBuilder.Append(sqlHeader);
- using (var conn = new MySqlConnection('Connection String...'))
- {
- conn.Open();
- //此处设置读取的超时,不然在海量数据时很容易超时
- 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`';
- //设置命令的执行超时
- rcmd.CommandTimeout = 99999999;
- var myData = rcmd.ExecuteReader();
- while (myData.Read())
- {
- var f1 = myData.GetInt32(0);
- var f2 = myData.GetString(1);
- //这里做数据处理....
- sqlBuilder.AppendFormat('({0},'{1}'),', f1,AddSlash(f2));
- if (sqlBuilder.Length >= 1024 * 1024)//当然这里的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())//移除逗号,然后执行
- sqlBuilder.Clear();//清空
- sqlBuilder.Append(sqlHeader);//在加上insert 头
- }
- }
- }
好了,到这里 大概的优化后的高效查询、插入就完成了。
结语
总结下来,无非 2 个关键技术点,DataReader、SQL 合并,都是一些老的技术啦。
其实,上面的代码只能称得上 高效 , 但是, 却非常的不优雅。。。甚至难看。。。
那那么问题来了? 如何进行重构呢? 通过重构抽象出一个可用的类,而不必关心字符串拼接这些乱七八糟的东西,支持多线程合并写入,最大限度提高写入 IO, 我们在下一篇文章中再来谈谈。
来源: http://www.phperz.com/article/17/0317/314494.html