java百万查询语句优化

业务需求

今天去面试时hr问了个关于大量数据查询的问题。

面试官：“我们公司是做数据分析的，每次需要从数据库中查询100万条数据进行分析，不能用分页，请问怎么优化sql或者java代码呢？？”

如果用普通查询需要5分多分钟才查询完毕，所以我们用索引加多线程来实现。

那我们就开始吧！GO！！GO！！

数据库设计

编写数据库字段

然后要生成100万条数据

在数据库添加索引

索引这个方面我还是不太了解，大家懂的可以优化索引

代码实现

java编写

controller类编写

package com.neu.controller; import com.neu.mapper.UserMapper;import com.neu.pojo.User;import org.springframework.stereotype.Controller;import org.springframework.WEB.bind.annotation.RequestMapping;import org.springframework.web.servlet.ModelAndView;import javax.annotation.Resource;import java.util.*;import java.util.concurrent.CountDownLatch;import java.util.concurrent.ExecutorService;import java.util.concurrent.Executors; @Controllerpublic class ExecutorUtils {   @Resource   private UserMapper userMapper;    // 一个线程最大处理数据量   private static final int THREAD_COUNT_SIZE = 5000;   @RequestMapping("Executor")   public List executeThreadPool() {      //计算表总数      Integer integer = userMapper.UserSum();      //记录开始时间      long start = System.currentTimeMillis();      //new个和表总数一样长的ArrayList      List threadList=new ArrayList<>(integer);      // 线程数，以5000条数据为一个线程，总数据大小除以5000，再加1      int round = integer / THREAD_COUNT_SIZE + 1;      //new一个临时储存List的Map，以线程名为k，用做list排序      Map temporaryMap = new HashMap<>(round);      // 程序计数器      final CountDownLatch count = new CountDownLatch(round);      // 创建线程      ExecutorService executor = Executors.newFixedThreadPool(round);      // 分配数据      for (int i = 0; i < round; i++) {         //该线程的查询开始值         int startLen = i * THREAD_COUNT_SIZE;         int k = i + 1;         executor.execute(new Runnable() {            @Override            public void run() {               ArrayList users = userMapper.subList(startLen);               //把查出来的List放进临时Map               temporaryMap.put(k,users);               System.out.println("正在处理线程【" + k + "】的数据，数据大小为：" + users.size());               // 计数器 -1(唤醒阻塞线程)               count.countDown();            }         });      }      try {         // 阻塞线程(主线程等待所有子线程 一起执行业务)         count.await();         //结束时间         long end = System.currentTimeMillis();         System.out.println("100万数据查询耗时:" + (end - start) + "ms");         //通过循环遍历临时map，把map的值有序的放进List里         temporaryMap.keySet().forEach(k->{            threadList.addAll(temporaryMap.get(k));         });      } catch (Exception e) {         e.printStackTrace();      } finally {         //清除临时map，释放内存         temporaryMap.clear();         // 终止线程池         // 启动一次顺序关闭，执行以前提交的任务，但不接受新任务。若已经关闭，则调用没有其他作用。         executor.shutdown();      }      //输出list的长度      System.out.println("list长度为："+threadList.size());      return threadList;   }}

编写Mapper

package com.neu.mapper;import java.util.ArrayList;import java.util.List;import org.apache.ibatis.annotations.*;import com.neu.pojo.User;@Mapperpublic interface UserMapper {        @Select("SELECT count(*) as sum FROM sysuser")Integer UserSum();     @Select("select * from sysuser LIMIT #{startLen},5000")ArrayList subList(@Param("startLen") int startLen);}

编写完成后我们测试一波–>

测试结果20秒内，比之前快了好多

模糊查询

模糊查询呢？

咱测试一下：

修改Mapper

package com.neu.mapper;import java.util.ArrayList;import java.util.List;import org.apache.ibatis.annotations.*;import com.neu.pojo.User;@Mapperpublic interface UserMapper {         @Select("SELECT count(*) as sum FROM sysuser where id like concat('%',0,'%')")Integer UserSum();     @Select("select * from sysuser  where id like concat('%',0,'%') LIMIT #{startLen},5000")ArrayList subList(@Param("startLen") int startLen);}

修改完成后我们再测试一波–>

耗时5秒左右，可以满足业务需求

结束

目前基本的查询已经写完

看到这个文章的还可以对以下方面进行优化：

1. 索引进行优化。
2. 每个线程查询多少条数据最为合适？？
3. 如果配置有线程池可以使用：总条数/线程数==每个线程需要查询多少条数据。
4. 进行代码优化，优化一些耗时的代码。

来源地址：https://blog.csdn.net/m0_57647880/article/details/131064291