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，有图有真相）

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限制的。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。