C#如何在海量数据下的高效读取写入MySQL

来源：动视网责编：小采时间：2020-11-09 20:42:25

C#如何在海量数据下的高效读取写入MySQL

C#如何在海量数据下的高效读取写入MySQL:前提由于工作的原因，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。主要开发语言是C#，数据库使用的是MySQL。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

推荐度：

点击下载本文 文档为doc格式

导读C#如何在海量数据下的高效读取写入MySQL:前提由于工作的原因，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。主要开发语言是C#，数据库使用的是MySQL。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

前提

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。主要开发语言是C#，数据库使用的是MySQL。

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？？

（数据库的一览，有图有）

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：

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？

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

 //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)//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。

结语

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。。甚至难看。。

那那么问题来了？如何进行重构呢？通过重构抽象出一个可用的类，而不必关心字符串拼接这些乱七八糟的东西，支持多线程合并写入，最大限度提高写入IO，我们在下一篇文章中再来谈谈。