MYSQL批量UPDATE的两种方式

工作中遇到批量更新的场景其实是比较常见的。

但是该如何正确的进行批量UPDATE,很多时候往往有点头大。

这里列2种可用的方式,供选择(请选择方式一,手动狗头。)。

如果使用了MyBatis增强组件MyBatisPlus

如果使用了MyBatisPlus,可以参考官网给出的解决方式(updateBatchById),或者自己查一下。


批量UPDATE方式一:SQL内foreach

举个??

复制代码
<update id="updateUserForBatch" parameterType="com.bees.srx.entity.UserEntity">
	<foreach collection="list" item="entity" separator=";">
		UPDATE sys_user
		SET password=#{entity.password},age=#{entity.age}
		<where>
			id = #{entity.id}
		</where>
	</foreach>
</update>

这样写,肯定比 在业务方法中for循环单条update的效率是要高的。

但是如果遇到大批量的更新动作,可能也会产生效率低下的问题。

原因是SQL内的foreach本质上还是循环插入每一条数据,会产生 list.size() 个单条插入的独立SQL语句,每一条 UPDATE 语句都会被单独发送到数据库服务器执行。

这意味着如果列表中有100个元素,就会产生100次数据库往返通信。

这种方式不仅效率低下,而且对于大型批处理操作来说,可能会导致性能瓶颈和资源浪费。

优化:通过JDBC批处理

通过 MyBatisSqlSession 提供的批处理功能来手动执行批量更新。

复制代码
try (SqlSession session = sqlSessionFactory.openSession(ExecutorType.BATCH)) {
    UserMapper mapper = session.getMapper(UserMapper.class);
    for (UserEntity user : userList) {
        mapper.updateUser(user);
    }
    session.commit();
}

这里mapper.updateUser就是单条的UPDATE语句。

通过这种方式,MyBatis 会在内存中积累所有的更新命令,然后在调用session.commit() 时一次性提交给数据库,这比逐条执行要高效得多。

注意:是否存在效率差异,未实践过!!!可能存在误人子弟的嫌疑。

批量UPDATE方式二:INSERT + ON DUPLICATE KEY UPDATE
复制代码
 <update id="updateForBatch" parameterType="com.bees.srx.entity.UserEntity">
    insert into sys_user
    (id,username,password) values
    <foreach collection="list" index="index" item="item" separator=",">
        (#{item.id},
        #{item.username},
        #{item.password})
    </foreach>
    ON DUPLICATE KEY UPDATE
     password=values(password)
</update>

不建议使用。要求较多,而且容易出现死锁。

注意事项

  • 唯一键约束:确保 sys_user 表中的 id 字段有唯一键约束(通常是主键)。如果 id 不是唯一的,ON DUPLICATE KEY UPDATE 将不会触发更新操作。
  • 性能:这种方式在大数据量的情况下比多次单独的 INSERT 和 UPDATE 操作要高效得多。
  • 事务管理:确保这个操作在一个事务中执行,以保证数据的一致性。如果中间发生错误,可以回滚整个操作。
  • 字段顺序:确保 VALUES 函数中的字段顺序与 ON DUPLICATE KEY UPDATE 子句中的字段顺序一致。
总结:

建议使用方式一,或者其优化方式(JDBC批处理)。

各位也可以与AI对话看看给出的建议是什么。


有问题一定要留言啊各位。及时发现及时改错。

相关推荐
草莓熊Lotso18 小时前
Linux IPC 进阶:System V 消息队列与信号量(含内核管理深度解析)
linux·运维·服务器·数据库·c++·人工智能·mysql
星马梦缘1 天前
数据库作战记录1
数据库·sql·mysql
短剑重铸之日1 天前
《ShardingSphere解读》07 读写分离:如何集成分库分表+数据库主从架构?
java·数据库·后端·架构·shardingsphere·分库分表
njidf1 天前
用Python制作一个文字冒险游戏
jvm·数据库·python
鸡蛋灌Bean1 天前
MySQL优化系列
数据库·mysql
数巨小码人1 天前
平滑迁移:传统到国产数据库的2026转型之路
数据库
麦聪聊数据1 天前
QuickAPI 在系统数据 API 化中的架构选型与集成
数据库·sql·低代码·微服务·架构
2403_835568471 天前
自然语言处理(NLP)入门:使用NLTK和Spacy
jvm·数据库·python
wal13145201 天前
Dify发布V1.13.1版本,Hologres 向量数据库支持、HITL 邮件 Markdown 渲染及多项安全加固
数据库·安全·dify
Leon-Ning Liu1 天前
Oracle UNDO表空间文件误删除故障恢复
数据库·oracle