需求
读200+的CSV/EXCEL文件，按文件名称存到不同数据库
前期准备
环境
maven + jdk8 + mysql
代码展示
pom文件
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 |
<dependencies> <!--https://mvnrepository.com/artifact/com.opencsv/opencsv --> <dependency> //读取csv文件 <groupId>com.opencsv</groupId> <artifactId>opencsv</artifactId> <version>${opencsv.version}</version> </dependency>
<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <!--mybatis-plus 持久层--> <dependency> <groupId>com.baomidou</groupId> <artifactId>mybatis-plus-boot-starter</artifactId> <version>${mybatis-plus.version}</version> </dependency>
<!-- velocity 模板引擎, Mybatis Plus 代码生成器需要 --> <dependency> <groupId>org.apache.velocity</groupId> <artifactId>velocity-engine-core</artifactId> <version>${velocity.version}</version> </dependency> <dependency> <groupId>mysql</groupId> <artifactId>mysql-connector-java</artifactId> <scope>runtime</scope> </dependency> <dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <optional>true</optional> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> </dependency> </dependencies> |
关键代码及思路
多线程处理数据，否则8k万数据太慢了
创建线程池，个数的大小一般取决于自己电脑配置，以及I/O还是CPU密集型。
- I/O密集型：CPU*2 + 1
- CPU密集型：CPU + 1
- Java查看CPU数目
|
1 |
public static final Integer N_Thread = Runtime.getRuntime().availableProcessors() * 2 + 1; |
|
1 2 |
ExecutorService service = Executors.newFixedThreadPool(N_Thread ); List<CompletableFuture<Void>> futureList = new ArrayList<>(); |
数据进行分批处理，如果数据一次过大，可能导致sql拼接失败或者程序连接超时的问题。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
List<AirStationHourEntity> records = new ArrayList<>(table.values()); int basic = 0, total = records.size();
do{ int finalBasic = basic; String finalTableName = tableName; CompletableFuture<Void> completableFuture = CompletableFuture.runAsync(() -> { List<AirStationHourEntity> subRecords = records.subList(finalBasic * 6000, Math.min((1 + finalBasic) * 6000, total)); airStationHourMapper.saveOrUpdateBatch(finalTableName, subRecords); }, service); // 加入线程集合，方便后续阻塞主线程，防止线程没跑就提前结束 futureList.add(completableFuture); basic++; }while (basic * 6000 < total); |
获取文件数据
|
1 2 3 4 5 6 7 8 9 |
String url = dataConfig.getStation(); List<String> stationFiles = FileUtils.findFiles(url); //遍历文件 for (String fileName : stationFiles) { try { // 读取文件数据 String path = url.concat(fileName); CSVReader reader = new CSVReader(new InputStreamReader(new FileInputStream(path), StandardCharsets.UTF_8)); List<String[]> lines = reader.readAll(); |
根据文件名创建相应数据库
|
1 2 3 4 5 |
tableName = fileName.substring(fileName.lastIndexOf("_") + 1, fileName.indexOf(".") - 2); tableName = TABLE_PREFIX.STATION_PREFIX.value.concat(tableName); if (airStationHourMapper.findTableByName(tableName) == 0) { airStationHourMapper.createNewTable(tableName); } |
注意：如果在主线程完成之后，没有对主线程进行阻塞，会导致线程池中的线程没跑完就直接结束了，需要遍历线程集合来阻塞主线程
|
1 2 3 |
for (CompletableFuture<Void> future : futureList) { future.join(); } |
关键的SQL语句
saveOrUpdateBatch
这里选用Mysql提供的ON DUPLICATE KEY UPDATE来实现更新或者插入，如果primary key 或者 unique key不存在就插入，否则就更新。注意：primary key 和 unique key都存在的时候可能会导致数据的更新的异常，这里建议选其中一个最为键，否则容易死锁！见方案选型
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 |
<update id="saveOrUpdateBatch"> insert into ${tableName} ( <include refid="Base_Column_List"/> ) values <foreach collection="records" item="record" separator=","> ( #{record.dataId,jdbcType=VARCHAR}, #{record.stationId,jdbcType=VARCHAR}, #{record.dataTime,jdbcType=TIMESTAMP}, #{record.aqi,jdbcType=INTEGER}, #{record.priPol,jdbcType=VARCHAR}, #{record.co,jdbcType=DOUBLE}, #{record.co24,jdbcType=DOUBLE}, #{record.no2,jdbcType=INTEGER}, #{record.no224,jdbcType=INTEGER}, #{record.so2,jdbcType=INTEGER}, #{record.so224,jdbcType=INTEGER}, #{record.o3,jdbcType=INTEGER}, #{record.o324,jdbcType=INTEGER}, #{record.o38,jdbcType=INTEGER}, #{record.o3824,jdbcType=INTEGER}, #{record.pm10,jdbcType=INTEGER}, #{record.pm1024,jdbcType=INTEGER}, #{record.pm25,jdbcType=INTEGER}, #{record.pm2524,jdbcType=INTEGER} ) </foreach> ON DUPLICATE KEY UPDATE AQI = VALUES(AQI),pri_pol = VALUES(pri_pol), CO = VALUES(CO),CO_24 = VALUES(CO_24), NO2 = VALUES(NO2),NO2_24 = VALUES(NO2_24), SO2 = VALUES(SO2),SO2_24 = VALUES(SO2_24), O3 = VALUES(O3),O3_8 = VALUES(O3_8),O3_8_24 = VALUES(O3_8_24), PM10 = VALUES(PM10),PM10_24 = VALUES(PM10_24), PM2_5 = VALUES(PM2_5),PM2_5_24 =VALUES(PM2_5_24); </update> |
方案选型
此方案时间过久，10多个小时大概能完成100w+的数据；
在程序中查询数据库中现存的数据，然后对这些数据进行更新，其余的进行插入
此方案程序代码看起来较繁琐。
选用 ON DUPLICATE KEY UPDATE & 多线程来实现批量处理。 问题 在处理最后一些数据时，报异常：获取不到数据库连接，连接超时
解决方案
修改application.yml的sql配置
|
1 2 |
hikari: connection-timeout: 600000 //时间设的长一些 |
当即存在primary key 以及 unique key时，出现了死锁
如果一个表定义有多个唯一键（包括唯一索引、主键）时，是不安全的。
当mysql执行INSERT ON DUPLICATE KEY的INSERT时，存储引擎会检查插入的行为是否产生重复错误。
|
1 2 3 4 5 6 7 |
org.springframework.dao.DeadlockLoserDataAccessException: ### Error updating database. Cause: com.mysql.cj.jdbc.exceptions.MySQLTransactionRollbackException: Deadlock found when trying to get lock; try restarting transaction ### The error may exist in class path resource [mapper/PersonGroupRefMapper.xml] ### The error may involve com.order.addOrder-Inline ### The error occurred while setting parameters ### SQL: insert into t_***(XX,XX,XX,XX,XX,XX) values (?, ?, ?, ?, ?, ?) ON DUPLICATE KEY UPDATE XX= VALUES(XX), XX= VALUES(XX), XX= VALUES(XX) ### Cause: com.mysql.cj.jdbc.exceptions.MySQLTransactionRollbackException: Deadlock found when trying to get lock; try restarting transaction Deadlock found when trying to get lock; try restarting transaction; nested exception is com.mysql.cj.jdbc.exceptions.MySQLTransactionRollbackException: Deadlock found when trying to get lock; try restarting transactio |
解决方案
见上面关键SQL，删除了primary key 留下了unique key重新建表。
见上面关键SQL，删除了primary key 留下了unique key重新建表。
批量数据入库，当SQL语句拼接过长，超过了设置的最大的限制。
解决方案
批量数据入库时，稍微减少数据量再进行插入，如6000条数据减为4000数据之后再批量入库。
运行结果
相比之前一天200W+数据有了质的提升，半小时完成了所有数据的预处理以及入库。
