文章目录
1、插入测试
在此次测试中数据库表有三个字段，id(自增主键)、username、password。
图1
1.1 插入耗时实测
实测：
- 插入30多万条数据，采用一次事务提交一条sql语句，耗时2小时以上，具体没统计，因为计划是这样插入2000万条数据的，但由于太慢提前终止了，所以插入30多万条数据。
- 插入2000万条数据，采用一次事务提交10万条sql语句，耗时50多分钟，将近1小时（若是老铁们做这样的实验，可以加上一个时间对象，这样可以看的更加清晰）。
1.2 TestDemo
图2
1.3 测试代码：
1.3.1 MybatisTest
import mapper.TestMapper;
import org.apache.ibatis.io.Resources;
import org.apache.ibatis.session.SqlSession;
import org.apache.ibatis.session.SqlSessionFactory;
import org.apache.ibatis.session.SqlSessionFactoryBuilder;
import po.TestBean;
import java.io.IOException;
import java.io.InputStream;
public class MybatisTest {
public static void main(String[] args) throws IOException {
//1.读取配置文件
InputStream in = Resources.getResourceAsStream("mybatis.xml");
//2.创建SqlSessionFactory工厂
SqlSessionFactoryBuilder builder = new SqlSessionFactoryBuilder();
SqlSessionFactory factory = builder.build(in);
//3.使用工厂生产SqlSession对象
SqlSession session = factory.openSession();
//4.使用SqlSession创建Dao接口的代理对象
TestMapper testMapper = session.getMapper(TestMapper.class);
//5.使用代理对象执行方法
TestBean testBean =new TestBean();
for (int i = 10; i<20000000 ;i++){
testBean.setName("lbw"+i);
testBean.setPassword("nb"+i);
testMapper.saveTest(testBean);
// //1次操作 提交1次事务
// session.commit();
// 100000次操作提交1次事务
if (i%100000 == 0){
session.commit();
}
}
//6.释放资源
session.close();
in.close();
}
}
1.3.2 TestBean
package po;
import java.io.Serializable;
public class TestBean implements Serializable {
String id;
String name;
String password;
public String getId() {
return id;
}
public void setId(String id) {
this.id = id;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
public String getPassword() {
return password;
}
public void setPassword(String password) {
this.password = password;
}
@Override
public String toString() {
return "po.TestBean{" +
"id='" + id + '\'' +
", name='" + name + '\'' +
", password='" + password + '\'' +
'}';
}
}
1.3.3 TestMapper
package mapper;
import org.apache.ibatis.annotations.Insert;
import org.apache.ibatis.annotations.Select;
import po.TestBean;
public interface TestMapper {
@Insert("insert into test200411(name,password) values(#{name},#{password})")
void saveTest(TestBean t);
@Select("select id,name,password from test200411 where id = #{s}")
TestBean selectById(String s);
}
1.3.4 mybatis.xml(mybatis配置文件)
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE configuration
PUBLIC "-//mybatis.org//DTD Config 3.0//EN"
"http://mybatis.org/dtd/mybatis-3-config.dtd">
<!-- mybatis的主配置文件 -->
<configuration>
<!-- 配置环境 -->
<environments default="mysql">
<!-- 配置mysql的环境-->
<environment id="mysql">
<!-- 配置事务的类型-->
<transactionManager type="JDBC"></transactionManager>
<!-- 配置数据源（连接池） -->
<dataSource type="POOLED">
<!-- 配置连接数据库的4个基本信息 -->
<property name="driver" value="com.mysql.jdbc.Driver"/>
<property name="url" value="jdbc:mysql://localhost:3306/test"/>
<property name="username" value="root"/>
<property name="password" value="1234"/>
</dataSource>
</environment>
</environments>
<!-- 指定映射配置文件的位置，映射配置文件指的是每个dao独立的配置文件
如果是用注解来配置的话，此处应该使用class属性指定被注解的dao全限定类名
-->
<mappers>
<mapper class="mapper.TestMapper"/>
</mappers>
</configuration>
1.4 过程体验
程序运行后在几个小时时间里，电脑处于烤机（烤鸡诱惑，烤鸡pg是块宝）状态！！！很遗憾的是，当时没有截图程序运行了的时间，不过1.1结论是数据是保真的，实在不想再搞几千万条数据在数据库了。
图3
图4
1.5 数据量
1.5.1 计数用时
使用 select count(0) from test200411 进行计数，统计查询用时：13.7s，得到统计数： 20379620，之所以是20379620，是因为我测试中先插入30多万，之后再插入2000万。数据是不会骗人的哦，没毛病吧，铁子们。
图5
1.5.2 占用硬盘空间
- 硬盘空间占用为：1.47GB（1585455597 B）。
- 分析一下，我的表字段只有3个，且每个字段里面实质存储的数据长度都不长。
151585455597 B / 20379620 = 77 B
这样算下每一行数据平均占用77B，这个数据一看就知道，存储过程中应该是有数据压缩的，这一结论不太严谨，有大佬知道mysql底层存储的话，望指导一下。
图6
图7
2、索引查询测试
2.1 索引检测
使用 show index from test200411可以查到当前表拥有的索引，当前只有我自己自增id的默认索引，和我自己建立的id字段索引。
图8
2.2 对有无索引的字段where查询比较
2.2.1 无索引字段
使用 SELECT * from test200411 where password = "nb1234"
查询到两条数据，耗时：57.9s，明显这个查询时间是不可取的
- 小结论：所以在大表查询我们为什么需要及其注重性能了，平常若是做个小的测试系统，数据量撑死几千，查询时，根本就感觉不出时间上的差异。这也是为什么我们需要那么多数据库优化的策略，索引、分库分表、主从复制、读写分离、缓存设计等等。
- 为什么会这么慢呢，因为该字段没有索引的话，它就需要一行一行的去做比对，这样做，不仅比对长，磁盘io也多。
图9
2.2.1 有索引字段
使用：SELECT * from test200411 where id = 2566345
查询到唯一数据，耗时：0.133s
- 这个根据索引查询数据的时间和无索引字段查询时间比较，由实质数据得到它们之间性能差了500多倍。
- 为什么索引这么快？因为索引底层是b+树，所以索引是按照一定的大小顺序来排序的，根据索引查询，能减少磁盘io，也能减少比对次数。
图10
2.3 建立索引
2.3.1 索引创建
使用：CREATE INDEX paw_index ON test200411(password)
耗时：156.0s
图11
2.3.2 索引查询
再次查看已经索引，可以看到一个paw_index 的新索引，这就是我们刚刚创建的索引。
图12
2.3.3 查询新建立索引字段
使用 SELECT * from test200411 where password = "nb12345"
耗时：0.110s
可以将此条sql和 2.2.1 比较 ，除了匹配的字符串不一样（之所以用了不同的字符串，是因为实验是连着做的，同一条字符串查询，会有缓存，影响结果），其他都是一样的。可以看到它们之前惊人的查询速度差异，速度相差大概是500倍。
图13
3、总结
3.1 事务对数据库性能影响
在一个事务内只提交一条sql和在一个事务内提交多个sql，对数据库数据的批量处理影响是很大的。
一个事务内提交多个sql可以提高批量数据的处理速度。
3.2 数据库索引对数据库查询性能分析
通过上面的实例，我们可以看到，有无索引对数据库查询速度的影响是很大的，实验中它们速度差异可以到500倍，当然这是取决的实验过程中的数据量，而我们的实验数据量有2000多万行，也正是这样才能放大对 有无索引对数据库查询的影响 效果。
总之，通过这个实例不会有人还没搞懂索引这个东西的重要性和其作用吧！不会吧？不会吧？
当然我这没将索引的三板斧，“是什么，为什么需要，怎么做”，全列出来，我觉得写也的还行，带有实例出发，通俗易懂吧！！
这个实验从上到下都是可以复现的，代码和过程都有，有兴趣的小伙伴可以尝试复现一下，让自己对索引的理解加深。
最后，若是小伙伴有什么问题，可以一起讨论哦。。。。。
来源：oschina
链接：https://my.oschina.net/u/4399154/blog/4282091