正文

C#在MySQL大量数据下的高效读取、写入详解

︶ㄣSDDLL学院 メ
SDDLL学院V管理员 / 阅读
0708
最近由于工作的原因，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。 那么主要的开发语言是C#，数据库使用的是MySQL。下面

最近由于工作的原因，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。 那么主要的开发语言是C#，数据库使用的是MySQL。下面通过这篇文章我们来一起学习学习吧。

前言

C#操作MySQL大量数据最常见的操作便是 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？？

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：

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
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？

?
1
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

?
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
//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 * 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。

总结

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。以上就是这篇文章的全部内容了，希望本文的内容对大家能有所帮助，如果有疑问大家可以留言交流。