如何持久化大量实体（JPA）

Question

我需要处理一个 CSV 文件并为每条记录（行）保留一个实体。现在，我是这样做的：

while ((line = reader.readNext()) != null) {
    Entity entity = createEntityObject(line);
    entityManager.save(entity);
    i++;
}

save(Entity) 方法基本上只是一个EntityManager.merge() 调用。 CSV 文件中有大约 20,000 个实体（行）。这是一种有效的方法吗？它似乎很慢。使用EntityManager.persist()会更好吗？这个解决方案有任何缺陷吗？

编辑

这是一个漫长的过程（超过 400 次），我尝试了两种解决方案，persist 和 merge。两者都需要大约相同的时间来完成（459 秒对 443 秒）。问题是这样一个一个地保存实体是否是最优的。据我所知，Hibernate（这是我的 JPA 提供程序）确实实现了一些缓存/刷新功能，所以我不必担心这一点。

Answer 1

您可以使用经典的 SQL 插入语句将它们直接写入数据库。

@见EntityManager.createNativeQuery

Answer 2

我认为一种常见的方法是使用交易。如果您开始一个新事务然后持久化大量对象，那么在您提交事务之前，它们实际上不会被插入到数据库中。如果您要提交大量项目，这可以提高您的效率。

查看EntityManager.getTransaction

Answer 3

为了让它运行得更快，至少在 Hibernate 中，你会在一定数量的插入之后执行 flush() 和 clear()。我已经为数百万条记录完成了这种方法，并且它有效。它仍然很慢，但比不做要快得多。基本结构是这样的：

int i = 0;
for(MyThingy thingy : lotsOfThingies) {

    dao.save(thingy.toModel())

    if(++i % 20 == 0) {
        dao.flushAndClear();
    }

}

Answer 4

JPA API 并未为您提供所有选项以使其达到最佳状态。根据您想要执行此操作的速度，您将不得不寻找 ORM 特定选项 - 在您的情况下为 Hibernate。

检查事项：

1. 检查您使用的是单笔交易（是的，显然您对此很确定）
2. 检查您的 JPA 提供程序 (Hibernate) 是否使用 JDBC 批处理 API（请参阅：hibernate.jdbc.batch_size）
3. 检查是否可以绕过获取生成的密钥（取决于 db/jdbc 驱动程序从中获得多少好处 - 请参阅：hibernate.jdbc.use_getGeneratedKeys）
4. 检查您是否可以绕过级联逻辑（仅能从中获得最小的性能优势）

所以在 Ebean ORM 中，这将是：

    EbeanServer server = Ebean.getServer(null);

    Transaction transaction = server.beginTransaction();
    try {
        // Use JDBC batch API with a batch size of 100
        transaction.setBatchSize(100);
        // Don't bother getting generated keys
        transaction.setBatchGetGeneratedKeys(false);
        // Skip cascading persist 
        transaction.setPersistCascade(false);

        // persist your beans ...
        Iterator<YourEntity> it = null; // obviously should not be null 
        while (it.hasNext()) {
            YourEntity yourEntity = it.next();
            server.save(yourEntity);
        }

        transaction.commit();
    } finally {
        transaction.end();
    }

哦，如果您通过原始 JDBC 执行此操作，您将跳过 ORM 开销（更少的对象创建/垃圾收集等） - 所以我不会忽略该选项。

所以是的，这并不能回答您的问题，但可能有助于您搜索更多 ORM 特定的批量插入调整。