Spring Data JPA：嵌套实体的批量插入

Question

我有一个测试用例，我需要将 100'000 个实体实例持久化到数据库中。我目前使用的代码就是这样做的，但是在所有数据都保存在数据库中之前最多需要 40 秒。数据是从一个大小约为 15 MB 的 JSON 文件中读取的。

现在我已经在自定义存储库中为另一个项目实现了批量插入方法。但是，在那种情况下，我有很多*实体要持久化，只有几个嵌套实体。

在我目前的情况下，我有 5 个 Job 实体，其中包含大约 30 个 JobDetail 实体的列表。一个 JobDetail 包含 850 到 1100 个 JobEnvelope 实体。

写入数据库时​​，我使用默认的save(Iterable<Job> jobs) 接口方法提交Job 实体列表。所有嵌套实体都有 CascadeType PERSIST。每个实体都有自己的表格。

启用批量插入的常用方法是实现一个自定义方法，如saveBatch，每隔一段时间刷新一次。但在这种情况下，我的问题是JobEnvelope 实体。我不使用JobEnvelope 存储库来保存它们，而是让Jobentity 的存储库处理它。我使用 MariaDB 作为数据库服务器。

所以我的问题归结为以下几点：如何使JobRepository 批量插入它的嵌套实体？

这些是我的 3 个有问题的实体：

工作

@Entity
public class Job {
  @Id
  @GeneratedValue
  private int jobId;

  @OneToMany(fetch = FetchType.EAGER, cascade = CascadeType.PERSIST, mappedBy = "job")
  @JsonManagedReference
  private Collection<JobDetail> jobDetails;
}

工作详情

@Entity
public class JobDetail {
  @Id
  @GeneratedValue
  private int jobDetailId;

  @ManyToOne(fetch = FetchType.EAGER, cascade = CascadeType.PERSIST)
  @JoinColumn(name = "jobId")
  @JsonBackReference
  private Job job;

  @OneToMany(fetch = FetchType.EAGER, cascade = CascadeType.PERSIST, mappedBy = "jobDetail")
  @JsonManagedReference
  private List<JobEnvelope> jobEnvelopes;
}

工作信封

@Entity
public class JobEnvelope {
  @Id
  @GeneratedValue
  private int jobEnvelopeId;

  @ManyToOne(fetch = FetchType.EAGER, cascade = CascadeType.PERSIST)
  @JoinColumn(name = "jobDetailId")
  private JobDetail jobDetail;

  private double weight;
}

Answer 1

完成 Dragan Bozanovic 之前的回答。 Hibernate 有时会静默地停用批次的执行顺序，例如，如果它在构建批次之间的依赖关系图时遇到实体之间的循环关系（请参阅 InsertActionSorter.sort(..) 方法）。当这种情况发生时，hibernate 跟踪这种行为会很有趣。

Answer 2

确保正确配置 Hibernate 批处理相关的属性：

<property name="hibernate.jdbc.batch_size">100</property>
<property name="hibernate.order_inserts">true</property>
<property name="hibernate.order_updates">true</property>

关键是如果连续的语句操作同一个表，它们可以被批处理。如果出现插入另一个表的语句，则必须在该语句之前中断并执行先前的批处理构造。使用 hibernate.order_inserts 属性，您将允许 Hibernate 在构造批处理语句之前重新排序插入（hibernate.order_updates 对更新语句具有相同的效果）。

jdbc.batch_size 是 Hibernate 将使用的最大批量大小。尝试分析不同的值，然后选择一个在您的用例中表现出最佳性能的值。

请注意，如果使用IDENTITY id 生成器，则插入语句的批处理为disabled。

特定于 MySQL，您必须指定 rewriteBatchedStatements=true 作为连接 URL 的一部分。要确保批处理按预期工作，请添加 profileSQL=true 以检查驱动程序发送到数据库的 SQL。更多详情here.

如果您的实体是版本化的（出于乐观锁定目的），那么为了利用批量更新（不影响插入），您还必须打开：

<property name="hibernate.jdbc.batch_versioned_data">true</property>

通过该属性，您可以告诉 Hibernate，JDBC 驱动程序能够在执行批量更新时返回正确的受影响行数（需要执行版本检查）。您必须检查这是否适用于您的数据库/jdbc 驱动程序。例如，它在 Oracle 11 和更早的 Oracle 版本中为 does not work。

您可能还想刷新和清除持久性上下文after each batch 以释放内存，否则所有托管对象都将保留在持久性上下文中，直到它被关闭。

另外，您可能会发现this blog 很有用，因为它很好地解释了 Hibernate 批处理机制的细节。