如何快速处理数据库中大量数据

本篇内容主要讲解“如何快速处理数据库中大量数据”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“如何快速处理数据库中大量数据”吧!

背景

• 将数百张数据结构相同的表（用Tn代表），合并至一张表（用C代表）

• T表数据量分布很不均衡，少至一位数，多至几十万

• T表间没有业务关联

• C表结构在T表结构的基础上增加了几个字段，无法使用INSERT INTO (SELECT * FROM)

• 数据总量约300万，经单进程测试，处理速度约500/s，预估耗时约100min

目标

最大化提升数据处理速度，将耗时降至10min左右，此时C表的写入速度约5000/s。

方案演进

方案一

因为T表间没有业务关联，所以每张表都可以单独处理。

将T表按数据量排序，每个进程处理N张表，尽量平衡各进程的负载。

存在的问题：T表的数据量分布极为不均衡，有几张表数据量在70万左右，最终耗时约为（70万/500）s，瓶颈问题严重。

方案二

在 方案一 的的基础上，以 表+数据 的维度做并行处理，可以解决大表瓶颈问题。

存在的问题：代码实现较复杂，需要考虑

• 每张T表的数据量

• 对大数据量的T表进行分割

• 避免数据重复处理

方案三

借助 Redis 的 pub/sub 机制，实现生产和消费的分离。

• 生产端负责将T表的 表名+ID 均衡发布至不同的channel，channel数量和进程数一致。

• 消费端每个进程订阅不同的channel，读取表名+ID，将表名+ID对应的数据写入C表。

方案四

是方案三的变体，借助 Redis 的 List，实现生产和消费的分离。

• 生产端负责将T表的 表名+ID 写入List

• 消费端读取List，将 表名+ID 对应的数据写入C表。

本方案相比 方案三 的优势在于代码逻辑比较简洁，生产端和消费端均不需要做负载均衡。消费端能者多劳，多个消费进程同步完成作业。

实现细节

最终采用方案四。

生产端

依次读取T表数据，将 表名+ID 写入List。需要注意List支持批量写入，每次写入100条数据，写入速度约50000/s。

消费端

单个进程的消费速度约300/s，起10个消费进程，处理速度可以达到约3000/s。如果数据库的写入速度允许，可适当增加消费进程数量。

到此，相信大家对“如何快速处理数据库中大量数据”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！