【实战】利用多线程优化查询百万级数据

前言

日常开发中，难免会遇到需要查询到数据库所有记录的业务场景，在索引完善的情况下，当数据量达到百万级别或者以上的时候，全表查询就需要耗费不少的时间，这时候我们可以从以下几个方向着手优化

1. 优化sql

2. 利用多线程查询

3. 分库分表

今天就来讨论一下使用【优化sql】和【多线程】方式提升全表查询效率

⚠️注意，这只是简单测试，用于讲解思路，真实情况会更加的复杂，效率可能会相对受到影响，而且也会受硬件配置的影响，所以不是绝对的

前置准备

1. 使用InnoDb作为执行引擎

2. 创建测试表，有自增主键id

3. 往表中添加测试数据（100W以上），可以选择在程序中导入，也可以选择在数据库里面生成测试数据，具体可以参考：生成测试数据

4. Java程序中使用Mybatis来操作，使用自定义注解+SpringAOP的方式来记录执行耗时，源码后面会给，有兴趣的朋友可以下载下来实践一下

5. 总体目录结构

   

开始测试

首先确保库中是有数据的，由于实际业务的复杂度，所以这里模拟username的时候也让他复杂一点，不是同一条数据进行了600多万次复制

单线程+基础sql

再下来就是基础的全表查询方式，这里使用postman测试

@GetMapping("/sync")
public String getData() {
    List<User> list = userService.queryAllUseSync();
    return "查询成功！";
}


@Override
@RecordMethodSpendAnnotation //这个注解标记的方法会被SpringAOP管理起来，计算方法耗时
public List<User> queryAllUseSync() {

    //直接就采用Mybatis全查
    return userMapper.queryAll();
}

我们来看一下，这个queryAll的sql，可以发现就是一个简单的全表查询

<select id="queryAll" resultMap="UserMap">
		select
		id, username, create_time
		from performance.user
</select>

原因分析

我们直接把sql抓出来EXPLAIN一下，可以发现是没有走索引的，全表600多W的数据，本机耗时（多次测试取平均）：67s

🤔这是耗时着实是太慢了，所以必须得优化一下，那么怎么优化呢？

1. 从sql出发，刚刚得sql是没有走索引的，那么首先我们得让sql走索引，id是个自增主键，我们是否可以利用主键进行分段查询

单线程循环+分段sql

我们优化后的sql，其中 ?代表的是分段的起始指 n代表的是分段的末尾,可以看到是有走索引的

select id,username,create_time from user where id > ? and limit n

@Override
	@RecordMethodSpendAnnotation
	public List<User> queryAllUseSyncAndLimit(int limit) {
		
		List<User> list = new ArrayList<>();
		Long count = userMapper.getCount();
		//循环次数
		long cycles = count / limit;
		
		for (int i = 0; i < cycles; i++) {
			long startIdx = i * limit;
			long endIdx = (i+1) * limit;
			if (endIdx > count)
				endIdx = count;
			list.addAll(userMapper.queryAllByLimit(startIdx,Math.toIntExact(endIdx)));
		}
		
		return list;
	}

🤔这个比刚刚那个还要慢太多了！！！，但是但从sql来看，确实是优化过了，那么为什么会慢这么多？而且CPU内存使用率飙升了起来

原因分析

我们使用jconsole看一下，可以发现内存占用量有点离谱，

然后再使用jstat -gcutil pid（截取一段时间的）

可以发现垃圾收集非常的频繁，YGC达到45次，FGC达到8次，光gc耗时就达到18秒了，我的电脑是扛不住了，所以我就不继续跑下去了

那么这种方式的问题就不在于sql了，而是程序的问题，私以为采用分页+循环的方式，会提高效率，但是循环是需要耗费CPU资源的，由于请求的对象太大了，内存被积压满，所以程序就得等待有一块合适大小的内存出现，才能进行下去

原本sql拎出来查速度是有提升的，但是现在程序必须得停下来等待内存释放，所以CPU也会飙升，最终导致运行不下去

❌所以这种方式不可取

既然是使用分段查询+组合的形式，那我们也可以采用多线程异步的形式，每个线程跑完数据拿出来之后就remove掉

多线程+分段sql

采用线程池的思想，核心线程设置在5个，最大线程设置在10个，关于线程数的选定网上有很多资料可以查到，这里就不赘述了

这里同时采用Future异步模式，提升效率，关于Future的认识，可以看这篇文章 Java Future模式的使用

@Override
@RecordMethodSpendAnnotation
public List<User> queryAllUseThreadPool(int limit) {
		
		//还是获取到总记录数，本机是600多W测试数据
		Long count = userMapper.getCount();
		
		List<FutureTask<List<User>>> resultList = new ArrayList<>();
		
		//分段次数
		long cycles = count / limit;
		for (int i = 0; i < cycles; i++) {
			//每一段的起始坐标
			long idx = i * limit;
			log.info("idx: {}", idx);
            //具体的查询任务
			FutureTask<List<User>> futureTask = new FutureTask<>(() -> userMapper.queryAllByLimit(idx,limit));
			
            //把任务丢给线程池调度执行
			threadPool.execute(futureTask);
            //future异步模式，把任务放进去先，先不取结果
			resultList.add(futureTask);
		}
		
		List<User> result = new ArrayList<>();
		while (resultList.size() > 0) {
			Iterator<FutureTask<List<User>>> iterator = resultList.iterator();
			while (iterator.hasNext()) {
				try {
					result.addAll(iterator.next().get());
                    //获取一个就删除一个任务
					iterator.remove();
				} catch (InterruptedException  | ExecutionException e) {
					log.error("多线程查询出现异常：{}", e.getMessage());
				}
			}
		}
		
		//最后一次数据可能不为整，需要额外操作
		if (result.size() != count)
			result.addAll(userMapper.queryAllByLimit(result.size(),Math.toIntExact(count)));
		return result;
}

原因分析

对比于使用单线程+基础sql来看，效率提升了近乎300%，限于本机性能的问题，如果采用正常的性能高点的服务器，效率更好了，我们通过jstat 看一下参数

可以发现YGC次数还是执行了29次，FGC执行了5次，对于本机来说，硬件性能有限，数据量确实是有够大的，花在gc的时间足足有7秒钟，所以如果还要优化的话，这里也是一个着手点

总结

导致查询数据慢的原因有很多种，这里罗列几种供参考

1. 代码问题（设计缺陷、sql优化没做好等）
2. 硬件资源问题（内存、I/O、CPU等等）
3. 数据量太大问题
4. 网络阻塞问题

限于本人水平有限，难免会有纰漏，如果有发现文章那里写的不对的，欢迎指出，谢谢！

最后提供一下源码的获取方式，关注微信公众号【码农Amg】，回复关键字：优化sql