MyBatis Oracle 批量插入数据

• 1.需求描述
• 2.实现方案
• • 2.1 循环 insert 插入
  • 2.2 insert all 插入
  • 2.3 insert union all 插入
• 3.分析总结

系统：Win10
JDK：1.8.0_351
IDEA：2022.3.3

1.需求描述

在一次项目中实施过程中，后台需要将地区数据插入到数据库，数据大概三千条左右，本来直接使用循环遍历插入的方式，结果居然需要十几秒的时间，感觉速度太慢了，所以便想办法提高插入数据的速度，经过多番资料查询和验证，结果选定了一款实现方式，特此记录下来。

2.实现方案

数据：3208 条
需求：将数据插入到 Oracle 数据库

2.1 循环 insert 插入

最基础的就是使用 for 循环遍历 list 数据，一个个进行插入

java 代码

...  //循环插入  StopWatch started = new StopWatch();  started.start();//开始计时  for (Region region : regions) {      regionMapper.insert(region);  }  started.stop();//停止计时  System.out.println("插入" + list.size() + "条数据耗时: " + started.getTime()); ... 

mapper 接口

int insert(Region region); 

xml 语句

     insert into DATA_REGION(id, name, pid)     values (#{id}, #{name}, #{pid})  

这里测试执行了 3 次，平均耗时：15160 ms

2.2 insert all 插入

这里主要使用的 Oracle 的 INSERT ALL 语法

INSERT ALL     INTO table_name(col1,col2,col3) VALUES(val1,val2, val3)     INTO table_name(col1,col2,col3) VALUES(val4,val5, val6)     INTO table_name(col1,col2,col3) VALUES(val7,val8, val9) Subquery; 

该方法用来批量向数据库中插入数据所用的

java 代码

... //insert all 插入 StopWatch started = new StopWatch(); started.start();//开始计时 regionMapper.insertAll(regions); started.stop();//停止计时 System.out.println("插入" + list.size() + "条数据耗时: " + started.getTime()); ... 

mapper 接口

int insertAll(List list); 

xml 语句

     insert all              into DATA_REGION(id, name, pid) VALUES (#{item.id},#{item.name},#{item.pid})          select 1 from dual  

这里测试执行了 3 次，平均耗时：8171 ms

2.3 insert union all 插入

这里是使用 union all 先将各个对象的值查询到一起再批量插入到表中

java 代码

... //batchInsert StopWatch started = new StopWatch(); started.start();//开始计时 regionMapper.batchInsert(regions); started.stop();//停止计时 System.out.println("插入" + list.size() + "条数据耗时: " + started.getTime()); ... 

mapper 接口

int batchInsert(List list); 

xml 语句

     insert into DATA_REGION(id, name, pid)              (         select #{item.id},#{item.name},#{item.pid} from dual         )       

这里测试执行了 3 次，平均耗时：2619 ms

3.分析总结

根据上面的三次测试，我们可以得出如下表格

所以我最后决定采用第三种方法，不过我这里数据量只有 3000 多条，如果数据量更大，可能要再测试看看。

后续看看还有没有更好的实现方案，如果找到我再添加到文章末尾。