hibernate批量更新和删除数据

批量处理

不建议用Hibernate，它的insert效率实在不搞，不过最新版本的Hibernate似乎已经在批量处理的时候做过优化了，设置一些参数如batch_size，不过性能我没有测试过，听说是这样。我记得以前在做大批量数据转移的时候我们测试过Hibernate，很慢，直接Pass，当时我们的系统由于用多个数据库，所以用的jdbc，如果不考虑移植还是可以用存储过程的。存储过程对数据库依赖过强，不便系统移植

浅析Hibernate下数据批量处理方法
关键字: hibernate指处理

来源：IT专家网
  很多人都对Java在批量数据的处理方面是否是其合适的场所持有怀疑的念头，由此延伸，那么就会认为ORM可能也不是非凡适合数据的批量处理。其实，我想假如我们应用得当的话，完全可以消除ORM批量处理性能问题这方面的顾虑。下面以Hibernate为例来做为说明，假如我们真的不得不在 Java中使用Hibernate来对数据进行批量处理的话。向数据库插入100 000条数据，用Hibernate可能像这样：
  Session session = sessionFactory.openSession();

Transaction tx = session.beginTransaction();

for ( int i=0; i＜100000; i++ ) {
Customer customer = new Customer(.....);

session.save(customer);

}

tx.commit();

session.close();
  大概在运行到第50 000条的时候，就会出现内存溢出而失败。这是
Hibernate把最近插入的Customer都以session-level cache在内存做缓存，我们不要忘记Hiberante并没有限制first-level cache 的缓存大小。
  ◆持久对象实例被治理在事务结束时，此时Hibernate与数据库同步任何已经发生变化的被治理的的对象。
  ◆Session实现了异步write-behind，它答应Hibernate显式地写操作的批处理。这里，我给出Hibernate如何实现批量插入的方法：

首先，我们设置一个合理的JDBC批处理大小，hibernate.jdbc.batch_size 20。然后在一定间隔对Session进行flush()和clear()。
Session session = sessionFactory.openSession();

Transaction tx = session.beginTransaction();

for ( int i=0; i＜100000; i++ ) {
Customer customer = new Customer(.....);

session.save(customer);

if ( i % 20 == 0 ) {
//flush 插入数据和释放内存:

session.flush(); session.clear();

}

}
tx.commit();

session.close();
  那么，关于怎样删除和更新数据呢?那好，在Hibernate2.1.6或者更后版本，scroll() 这个方法将是最好的途径：
  Session session = sessionFactory.openSession();

Transaction tx = session.beginTransaction();
ScrollableResults customers = session.getNamedQuery("GetCustomers") .scroll(ScrollMode.FORWARD_ONLY);

int count=0;
  while ( customers.next() ) {
  Customer customer = (Customer) customers.get(0);

customer.updateStuff(...);

if ( ++count % 20 == 0 ) {

//flush 更新数据和释放内存:
session.flush(); session.clear();

}

tx.commit();

session.close();
这种做法并不困难，也不算不优雅。请注重，假如Customer启用了
second-level caching ，我们仍然会有一些内存治理的问题。原因就是对于用户的每一次插入和更新，Hibernate在事务处理结束后不得不通告second-level cache 。因此，我们在批处理情况下将要禁用用户使用缓存。

巴特西

hibernate批量更新和删除数据

最新文章

热门文章