asp.net實現(xiàn)Postgresql快速寫入/讀取大量數(shù)據(jù)實例

更新時間：2017年07月12日 08:34:23 作者：波多爾斯基

本篇文章主要介紹了asp.net實現(xiàn)Postgresql快速寫入/讀取大量數(shù)據(jù)實例，具有一定的參考價值，有興趣的可以了解一下

最近因為一些項目需要大量插入數(shù)據(jù)，研究了下asp.net實現(xiàn)Postgresql快速寫入/讀取大量數(shù)據(jù)，所以留個筆記

環(huán)境及測試

使用.net驅(qū)動npgsql連接post數(shù)據(jù)庫。配置：win10 x64, i5-4590, 16G DDR3, SSD 850EVO.

postgresql 9.6.3，數(shù)據(jù)庫與數(shù)據(jù)都安裝在SSD上，默認(rèn)配置，無擴展。

CREATE TABLE public.mesh
(
 x integer NOT NULL,
 y integer NOT NULL,
 z integer,
 CONSTRAINT prim PRIMARY KEY (x, y)
)

1. 導(dǎo)入

使用數(shù)據(jù)備份，csv格式導(dǎo)入，文件位于機械硬盤上，480MB，數(shù)據(jù)量2500w+。

使用COPY

copy mesh from 'd:/user.csv' csv

運行時間107s

使用insert

單連接，c# release any cpu 非調(diào)試模式。

class Program
{
  static void Main(string[] args)
  {
    var list = GetData("D:\\user.csv");
    TimeCalc.LogStartTime();
    using (var sm = new SqlManipulation(@"Strings", SqlType.PostgresQL))
    {
      sm.Init();
      foreach (var n in list)
      {
        sm.ExcuteNonQuery($"insert into mesh(x,y,z) values({n.x},{n.y},{n.z})");
      }
    }
    TimeCalc.ShowTotalDuration();

    Console.ReadKey();
  }

  static List<(int x, int y, int z)> GetData(string filepath)
  {
    List<ValueTuple<int, int, int>> list = new List<(int, int, int)>();
    foreach (var n in File.ReadLines(filepath))
    {
      string[] x = n.Split(',');
      list.Add((Convert.ToInt32(x[0]), Convert.ToInt32(x[1]), Convert.ToInt32(x[2])));
    }
    return list;
  }
}

Postgresql CPU占用率很低，但是跑了一年，程序依然不能結(jié)束，沒有耐性了...，這么插入不行。

multiline insert

使用multiline插入，一條語句插入約100條數(shù)據(jù)。

var bag = GetData("D:\\user.csv");
//使用時，直接執(zhí)行stringbuilder的tostring方法。
List<StringBuilder> listbuilder = new List<StringBuilder>();
StringBuilder sb = new StringBuilder();
for (int i = 0; i < bag.Count; i++)
{
  if (i % 100 == 0)
  {
    sb = new StringBuilder();
    listbuilder.Add(sb);
    sb.Append("insert into mesh(x,y,z) values");
    sb.Append($"({bag[i].x}, {bag[i].y}, {bag[i].z})");
  }
  else
    sb.Append($",({bag[i].x}, {bag[i].y}, {bag[i].z})");
}

Postgresql CPU占用率差不多27%，磁盤寫入大約45MB/S，感覺就是在干活，最后時間217.36s。

改為1000一行的話，CPU占用率提高，但是磁盤寫入平均來看有所降低，最后時間160.58s.

prepare語法

prepare語法可以讓postgresql提前規(guī)劃sql，優(yōu)化性能。

使用單行插入 CPU占用率不到25%，磁盤寫入63MB/S左右，但是，使用單行插入的方式，效率沒有改觀，時間太長還是等不來結(jié)果。

使用多行插入 CPU占用率30%，磁盤寫入50MB/S，最后結(jié)果163.02，最后的時候出了個異常，就是最后一組數(shù)據(jù)長度不滿足條件，無傷大雅。

static void Main(string[] args)
{
  var bag = GetData("D:\\user.csv");
  List<StringBuilder> listbuilder = new List<StringBuilder>();
  StringBuilder sb = new StringBuilder();
  for (int i = 0; i < bag.Count; i++)
  {
    if (i % 1000 == 0)
    {
      sb = new StringBuilder();
      listbuilder.Add(sb);
      //sb.Append("insert into mesh(x,y,z) values");
      sb.Append($"{bag[i].x}, {bag[i].y}, {bag[i].z}");
    }
    else
      sb.Append($",{bag[i].x}, {bag[i].y}, {bag[i].z}");
  }
  StringBuilder sbp = new StringBuilder();
  sbp.Append("PREPARE insertplan (");
  for (int i = 0; i < 1000; i++)
  {
    sbp.Append("int,int,int,");
  }
  sbp.Remove(sbp.Length - 1, 1);
  sbp.Append(") AS INSERT INTO mesh(x, y, z) values");
  for (int i = 0; i < 1000; i++)
  {
    sbp.Append($"(${i*3 + 1},${i* 3 + 2},${i*3+ 3}),");
  }
  sbp.Remove(sbp.Length - 1, 1);
  TimeCalc.LogStartTime();

  using (var sm = new SqlManipulation(@"string", SqlType.PostgresQL))
  {
    sm.Init();
    sm.ExcuteNonQuery(sbp.ToString());
    foreach (var n in listbuilder)
    {
      sm.ExcuteNonQuery($"EXECUTE insertplan({n.ToString()})");
    }
  }
  TimeCalc.ShowTotalDuration();

  Console.ReadKey();
}

使用Transaction

在前面的基礎(chǔ)上，使用事務(wù)改造。每條語句插入1000條數(shù)據(jù)，每1000條作為一個事務(wù)，CPU 30%，磁盤34MB/S，耗時170.16s。

改成100條一個事務(wù)，耗時167.78s。

使用多線程

還在前面的基礎(chǔ)上，使用多線程，每個線程建立一個連接，一個連接處理100條sql語句，每條sql語句插入1000條數(shù)據(jù)，以此種方式進(jìn)行導(dǎo)入。注意，連接字符串可以將maxpoolsize設(shè)置大一些，我機器上實測，不設(shè)置會報連接超時錯誤。

CPU占用率上到80%，磁盤這里需要注意，由于生成了非常多個Postgresql server進(jìn)程，不好統(tǒng)計，累積算上應(yīng)該有小100MB/S，最終時間，98.18s。

使用TPL，由于Parallel.ForEach返回的結(jié)果沒有檢查，可能導(dǎo)致時間不是很準(zhǔn)確（偏?。?。

var lists = new List<List<string>>();
var listt = new List<string>();
for (int i = 0; i < listbuilder.Count; i++)
{
  if (i % 1000 == 0)
  {
    listt = new List<string>();
    lists.Add(listt);
  }
  listt.Add(listbuilder[i].ToString());
}
TimeCalc.LogStartTime();
Parallel.ForEach(lists, (x) =>
{
  using (var sm = new SqlManipulation(@";string;MaxPoolSize=1000;", SqlType.PostgresQL))
  {
    sm.Init();
    foreach (var n in x)
    {
      sm.ExcuteNonQuery(n);
    }
  }
});
TimeCalc.ShowTotalDuration();

寫入方式	耗時（1000條/行）
COPY	107s
insert	N/A
多行insert	160.58s
prepare多行insert	163.02s
事務(wù)多行insert	170.16s
多連接多行insert	98.18s

2. 寫入更新

數(shù)據(jù)實時更新，數(shù)量可能繼續(xù)增長，使用簡單的insert或者update是不行的，操作使用postgresql 9.5以后支持的新語法。

insert into mesh on conflict (x,y) do update set z = excluded.z

吐槽postgresql這么晚才支持on conflict，mysql早有了...

在表中既有數(shù)據(jù)2500w+的前提下，重復(fù)往數(shù)據(jù)庫里面寫這些數(shù)據(jù)。這里只做多行插入更新測試，其他的結(jié)果應(yīng)該差不多。

普通多行插入，耗時272.15s。
多線程插入的情況，耗時362.26s，CPU占用率一度到了100%。猜測多連接的情況下，更新互鎖導(dǎo)致性能下降。

3. 讀取

Select方法

標(biāo)準(zhǔn)讀取還是用select方法，ADO.NET直接讀取。

使用adapter方式，耗時135.39s；使用dbreader方式，耗時71.62s。

Copy方法

postgresql的copy方法提供stdout binary方式，可以指定一條查詢進(jìn)行輸出，耗時53.20s。
public List<(int x, int y, int z)> BulkIQueryNpg()
{
  List<(int, int, int)> dict = new List<(int, int, int)>();
  using (var reader = ((NpgsqlConnection)_conn).BeginBinaryExport("COPY (select x,y,z from mesh) TO STDOUT (FORMAT BINARY)"))
  {
    while (reader.StartRow() != -1)
    {
      var x = reader.Read<int>(NpgsqlDbType.Integer);
      var y = reader.Read<int>(NpgsqlDbType.Integer);
      var z = reader.Read<int>(NpgsqlDbType.Integer);
      dict.Add((x, y, z));
    }
  }
  return dict;
}

結(jié)論

總結(jié)測試結(jié)果，對于較多數(shù)據(jù)的情況下，可以得出以下結(jié)論：

向空數(shù)據(jù)表導(dǎo)入或者沒有重復(fù)數(shù)據(jù)表的導(dǎo)入，優(yōu)先使用COPY語句（為什么有這個前提詳見P.S.）；
使用一條語句插入多條數(shù)據(jù)的方式能夠大幅度改善插入性能，可以實驗確定最優(yōu)條數(shù)；
使用transaction或者prepare插入，在本場景中優(yōu)化效果不明顯；
使用多連接/多線程操作，速度上有優(yōu)勢，但是把握不好容易造成資源占用率過高，連接數(shù)太大也容易影響其他應(yīng)用；
寫入更新是postgresql新特性，使用會造成一定的性能消耗（相對直接插入）；
讀取數(shù)據(jù)時，使用COPY語句能夠獲得較好的性能；
ado.net dbreader對象由于不需要fill的過程，讀取速度也較快（雖然趕不上COPY)，也可優(yōu)先考慮。

P.S.

為什么不用mysql

沒有最好的，只有最合適的，講道理我也是挺喜歡用mysql的。使用postgresql的原因主要在于：

postgresql導(dǎo)入導(dǎo)出的sql指令“copy”直接支持Binary模式到stdin和stdout，如果程序想直接集成，那么用這個是比較方便的；相比較，mysql的sql語法（load data infile）并不支持到stdin或者stdout，導(dǎo)出可以通過mysqldump.exe實現(xiàn)，導(dǎo)入暫時沒什么特別好的辦法（mysqlimport或許可以）。
相較于mysql缺點

postgresql使用copy導(dǎo)入的時候，如果目標(biāo)表已經(jīng)有數(shù)據(jù)，那么在有主鍵約束的表遇到錯誤時，COPY自動終止，而且可能導(dǎo)致不完全插入的情況，換言之，是不支持導(dǎo)入的過程進(jìn)行update操作；mysql的load語法可以顯式指定出錯之后的動作（IGNORE/REPLACE），不會打斷導(dǎo)入過程。

其他

如果需要使用mysql從程序?qū)霐?shù)據(jù)，可以考慮先通過程序?qū)С龅轿募?，然后借助文件進(jìn)行導(dǎo)入，據(jù)說效率也要比insert高出不少。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: