前言
开发目的:
提高百万级数据插入效率。
采取方案:
利用threadpooltaskexecutor
多线程批量插入。
采用技术:
- springboot2.1.1
- mybatisplus3.0.6
- swagger2.5.0
- lombok1.18.4
- postgresql
- threadpooltaskexecutor
具体实现细节
application-dev.properties
添加线程池配置信息
# 异步线程配置 # 配置核心线程数 async.executor.thread.core_pool_size = 30 # 配置最大线程数 async.executor.thread.max_pool_size = 30 # 配置队列大小 async.executor.thread.queue_capacity = 99988 # 配置线程池中的线程的名称前缀 async.executor.thread.name.prefix = async-importdb-
spring容器注入线程池bean对象
@configuration @enableasync @slf4j public class executorconfig { @value("${async.executor.thread.core_pool_size}") private int corepoolsize; @value("${async.executor.thread.max_pool_size}") private int maxpoolsize; @value("${async.executor.thread.queue_capacity}") private int queuecapacity; @value("${async.executor.thread.name.prefix}") private string nameprefix; @bean(name = "asyncserviceexecutor") public executor asyncserviceexecutor() { log.warn("start asyncserviceexecutor"); //在这里修改 threadpooltaskexecutor executor = new visiablethreadpooltaskexecutor(); //配置核心线程数 executor.setcorepoolsize(corepoolsize); //配置最大线程数 executor.setmaxpoolsize(maxpoolsize); //配置队列大小 executor.setqueuecapacity(queuecapacity); //配置线程池中的线程的名称前缀 executor.setthreadnameprefix(nameprefix); // rejection-policy:当pool已经达到max size的时候,如何处理新任务 // caller_runs:不在新线程中执行任务,而是有调用者所在的线程来执行 executor.setrejectedexecutionhandler(new threadpoolexecutor.callerrunspolicy()); //执行初始化 executor.initialize(); return executor; } }
创建异步线程 业务类
@service @slf4j public class asyncserviceimpl implements asyncservice { @override @async("asyncserviceexecutor") public void executeasync(list<logoutputresult> logoutputresults, logoutputresultmapper logoutputresultmapper, countdownlatch countdownlatch) { try{ log.warn("start executeasync"); //异步线程要做的事情 logoutputresultmapper.addlogoutputresultbatch(logoutputresults); log.warn("end executeasync"); }finally { countdownlatch.countdown();// 很关键, 无论上面程序是否异常必须执行countdown,否则await无法释放 } } }
创建多线程批量插入具体业务方法
@override public int testmultithread() { list<logoutputresult> logoutputresults = gettestdata(); //测试每100条数据插入开一个线程 list<list<logoutputresult>> lists = converthandler.splitlist(logoutputresults, 100); countdownlatch countdownlatch = new countdownlatch(lists.size()); for (list<logoutputresult> listsub:lists) { asyncservice.executeasync(listsub, logoutputresultmapper,countdownlatch); } try { countdownlatch.await(); //保证之前的所有的线程都执行完成,才会走下面的; // 这样就可以在下面拿到所有线程执行完的集合结果 } catch (exception e) { log.error("阻塞异常:"+e.getmessage()); } return logoutputresults.size(); }
模拟2000003 条数据进行测试
对了,最近我整理了上百本电子书/软件/视频以及面试题,还在持续更新中,全部免费,文档地址:
https://r86oxhhvu2.feishu.cn/wiki/zmq0wjeffirrbvk9nefcf7uknsj
多线程 测试 2000003 耗时如下:耗时1.67分钟
本次开启30个线程,截图如下:
单线程测试2000003 耗时如下:耗时5.75分钟
检查多线程入库的数据,检查是否存在重复入库的问题:
根据id分组,查看是否有id重复的数据,通过sql语句检查,没有发现重复入库的问题
检查数据完整性:
通过sql语句查询,多线程录入数据完整
测试结果
不同线程数测试:
总结
通过以上测试案列,同样是导入2000003 条数据,多线程耗时1.67分钟,单线程耗时5.75分钟。通过对不同线程数的测试,发现不是线程数越多越好,具体多少合适,网上有一个不成文的算法:
cpu核心数量*2 +2 个线程。
以上就是springboot利用threadpooltaskexecutor批量插入百万级数据的具体实现的详细内容,更多关于springboot threadpooltaskexecutor插入数据的资料请关注代码网其它相关文章!
发表评论