JDBC 取数到底有多慢
【摘要】
JAVA 应用必须通过 JDBC 从数据库中取数，有时候我们会发现，数据库的负担一点也不重而且 SQL 很简单，但取数的速度仍然很慢。如何简单有效地解决这个问题，点击JDBC 取数到底有多慢了解详情。
数据库JDBC有多慢
JAVA 应用必须通过 JDBC 从数据库中取数，有时候我们会发现，数据库的负担一点也不重而且 SQL 很简单，但取数的速度仍然很慢。
我们来实际测试一下，有个感性认识，以Oracle为例。
数据来源
使用TPCH生成的数据，选用其中的customer表来做测试，数据记录为1500万行，8个字段。它生成的原始文本文件名为customer.tbl，文件大小为2.3G。利用数据库提供的数据导入工具将此文件数据导入到Oracle的数据表中。
测试环境
CPU：2颗Intel3014，主频1.7G，每个CPU内核数6个。
硬盘(SSD)：1T 561MB/s(读) 523MB/s(写) 接口：SATA 6.0Gb/s
内存：64G。
操作系统：Linux CentOS 7
所有测试均在服务器本机上完成，没有消耗网络传输时间。
数据库读数测试
通过Oracle提供的JDBC接口，用SQL语句执行数据读取。
Java写起来麻烦，用SPL脚本执行测试：
A |
B |
|
1 |
=now() |
/记录时间 |
2 |
=connect("oracle") |
/连接数据库 |
3 |
=A2.cursor("SELECT * FROM CUSTOMER") |
/生成取数游标 |
4 |
for A3,10000 |
/循环取数，每次10000条 |
5 |
=A2.close() |
/关闭连接 |
6 |
=interval@s(A1,now()) |
/计算时长 |
测试结果：275秒
文本文件对比测试
只从上面的测试结果来看，还没有太多感性认识，我们再读一下文本文件来对比。办法是一样的，从文件中读出数据，并解析出记录，不作任何计算。
编写如下SPL脚本执行测试：
A |
B |
|
1 |
=now() |
/记录时间 |
2 |
=file("customer.tbl") |
/文件对象 |
3 |
=A2.cursor(;,"|") |
/生成取数游标，分隔符是| |
4 |
for A3,10000 |
/循环取数，每次10000条 |
5 |
=interval@s(A1,now()) |
/计算时长 |
测试结果：43秒
这意味着，读取文本要比读取Oracle快275/43=6.4倍。
我们知道，文本解析是个非常麻烦的事情，但即使这样，从文本文件读取数据还是远远快于从数据库中读数。
利用集算器 SPL并行提速
当数据只能从数据库读取，而且数据库本身负担并不重时，我们可以利用多 CPU 并行方案来提速，但写Java 的并行程序非常麻烦，要考虑资源共享冲突等问题。
使用集算器SPL的并行技术可以提升数据库JDBC取数性能，避免 JAVA 硬编码的复杂性，方便实现多线程结果集的合并。
下面我们来测试一下。
单表并行取数
还是上面的这张customer表 ，改为并行取数后，可以看到性能提升明显，代码如下：
A |
B |
|
1 |
=now() |
/记录时间 |
2 |
=connect("oracle").query@ix("SELECT COUNT(*) FROM CUSTOMER")(1) |
|
3 |
>n=12 |
/并行数 |
4 |
=n.([int(A2/n)*(~-1),int(A2/n)*~]) |
/按并行数分段区间 |
5 |
fork A4 |
=connect("oracle") |
6 |
=B5.query@x("SELECT * FROM CUSTOMER WHERE C_CUSTKEY>? AND C_CUSTKEY<=?",A5(1),A5(2)) |
|
7 |
=A5.conj() |
/合并结果 |
8 |
=interval@s(A1,now()) |
/计算时长 |
测试结果：28秒（非并行用时275秒）
并行取数，就要把源数据分成相对平均的多个区间。本例中，C_CUSTKEY是从1开始的自然数，因此可以先求出总记录数（A2），再用平均分成n段（A4）。然后 A5并行计算，每个线程各自连接数据库，再以C_CUSTKEY区间为参数执行SQL。最后合并多线程的取数结果，作为最终结果。
实际情况中，可能需要采取其它办法设置WHERE条件以获得相对平均的区间。
多表并行取数
有时候是多个SQL取数，也可以利用并行方法来提速。
还是使用TPCH生成的数据，数据总量减少为5G，选用其中的5张表来做测试。当采用非并行取数时，可以发现性能不够理想，代码如下：
A |
B |
|
1 |
SELECT * FROM SUPPLIER |
|
2 |
SELECT * FROM PART |
|
3 |
SELECT * FROM CUSTOMER |
|
4 |
SELECT * FROM PARTSUPP |
|
5 |
SELECT * FROM ORDERS |
|
6 |
=now() |
/记录时间 |
7 |
=connect("oracle") |
/连接数据库 |
8 |
=[A1:A5].(A7.query(~)) |
/顺序执行每条SQL |
9 |
>A7.close() |
/关闭连接 |
10 |
=interval@ms(A6,now()) |
/计算时长 |
测试结果：360秒
改为并行取数后，可以看到性能提升明显，代码如下：
11 |
=now() |
/记录时间 |
12 |
fork [A1:A5] |
=connect("oracle") |
13 |
=B12.query@x(A12) |
|
14 |
=interval@ms(A11,now()) |
/计算时长 |
测试结果：167秒
尽管多表并行无法保证数据均匀分布，但并行计算也能让取数性能得到有效提升。
集算器 SPL 是 Java 写的开源软件，提供了 JDBC 接口，很容易集成到 Java 应用中。
