JPA 批量操作性能优化配置

JPA 批量操作性能优化配置

规则说明

本项目使用 Spring Data JPA 进行数据库操作,为提升批量插入和更新的性能,需要启用 Hibernate 的批处理功能。

配置项

以下配置应添加到 application.properties 文件中:

properties 复制代码
# ========== JPA 批量操作性能优化 ==========

# 批量插入时每次批量的大小(默认30)
spring.jpa.properties.hibernate.jdbc.batch_size=1000

# 强制按插入顺序执行更新
spring.jpa.properties.hibernate.order_updates=true

# 对插入语句进行排序,提高批处理效率
spring.jpa.properties.hibernate.jdbc.order_inserts=true

配置说明

配置项 建议值 说明
hibernate.jdbc.batch_size 1000 每次批量插入/更新的记录数。值越大,内存占用越高,但批量效率更高
hibernate.order_updates true 强制按插入顺序执行更新,防止并发更新导致的数据不一致
hibernate.order_inserts true 对插入语句进行排序,提高批处理效率

应用范围

此配置适用于以下场景:

  1. 批量插入 - 一次插入多条记录(如批量创建用户消息、合同审批节点等)
  2. 批量更新 - 一次更新多条记录(如批量删除消息、更新审批状态等)
  3. 大数据量操作 - 处理大量数据时的性能优化

注意事项

  1. 内存占用

    • batch_size 设置过大会增加内存占用
    • 建议根据实际数据量和服务器内存情况调整
  2. 事务边界

    • 批量操作应在同一事务内完成
    • 使用 @Transactional 注解确保事务一致性
  3. 测试验证

    • 修改配置后,测试批量操作的执行结果
    • 确认数据正确性和性能提升

相关业务场景

合同审批流程创建

java 复制代码
// 批量创建审批节点
List<ContractWorkFlow> workFlowNodes = new ArrayList<>();
// ... 添加节点
contractWorkFlowMapper.saveAll(workFlowNodes);  // 使用批量插入

消息批量删除

java 复制代码
// 批量删除审批消息
List<Message> messages = messageMapper.findByBizIdAndIsDeleted(...);
for (Message message : messages) {
    message.setIsDeleted(StatusEnum.Del.getStatus());
    // ...
}
messageMapper.saveAll(messages);  // 使用批量更新

性能对比

场景 未启用批量 启用批量(batch_size=1000)
插入1000条记录 ~5000-10000ms ~1000-2000ms
更新1000条记录 ~3000-8000ms ~3000-600ms

参考链接

相关推荐
9527出列7 小时前
基于oss的断点续传实现
http·性能优化
AliCloudROS7 小时前
从 1 万到 20 万:OOS Loop 任务规模提升 20 倍的攻坚记录
运维·性能优化
yunwei379 小时前
eBPF 示例:使用 CUPTI 构建 GPU 火焰图分析器
linux·后端·性能优化
打工仔折腾 AI10 小时前
从零开始大模型微调:基于 PyTorch 与 ChatGLM 的 LoRA 实践指南
人工智能·pytorch·后端·python·深度学习·性能优化·ai agent 实战
Cx330❀11 小时前
深入浅出 Qt 绘图机制:从 QPainter 到四大图像类解析
开发语言·qt·ui·性能优化·图形渲染
江厌0113 小时前
128GB 统一内存能跑多大模型?PGX 的容量、带宽与适用边界
性能优化
西红柿炖牛腩35413 小时前
机房电脑不能联网,怎么离线把课件里的 3D 模型压小?Draco / Meshopt 参数清单
前端·javascript·3d·性能优化·大屏端
黄俊懿2 天前
【架构师从入门到进阶】第六章:服务集群优化——第八节:线程数公式
java·服务器·数据库·分布式·性能优化·架构·系统架构
步步为营DotNet2 天前
Async 状态机要搬进运行时了:.NET 10 Runtime Async 实测,快的地方快 1.5 倍,贵的地方贵 5 倍
性能优化·c#·.net·async·runtime
CCblandy2 天前
雪花 ID 四个边界实测:时钟回拨重号 500 个,前端 JSON.parse 直接丢精度
后端·python·算法·性能优化·架构