JDBC入门十二：JDBC数据批处理；（这也是一个相对零散的知识点，较重要！）

批处理：对数据进行批量处理，尤其是对同一张表反复进行的大量数据新增、修改、删除操作；

问题描述： 

---

BatchSample：tc1()方法未采用批处理；tc2()方法采用了批处理。

package com.imooc.jdbc.sample;

import com.imooc.jdbc.common.DbUtils;

import java.sql.Connection;
import java.sql.PreparedStatement;
import java.sql.SQLException;
import java.util.Date;

/**
 * JDBC批处理
 */
public class BatchSample {

    // 标准使用方式：未使用批处理的方法
    private static void tc1(){
        Connection conn = null;
        PreparedStatement pstmt = null;
        try {
            long startTime = new Date().getTime();  // 开始时间，统计时间之用；
            conn = DbUtils.getConnection();
            conn.setAutoCommit(false);  // 关闭自动提交；
            String sql = "insert into employee(eno,ename,salary,dname) values(?,?,?,?)";
            for (int i = 100000; i < 200000; i++) {
                if (i == 4005) {
                    //throw new RuntimeException("插入失败");
                }
                pstmt = conn.prepareStatement(sql);
                pstmt.setInt(1, i);
                pstmt.setString(2, "员工" + i);
                pstmt.setFloat(3, 4000);
                pstmt.setString(4, "市场部");
                pstmt.executeUpdate();
            }
            conn.commit();//提交数据
            long endTime = new Date().getTime(); // 结束时间，统计时间之用；
            System.out.println("tc1()方法，未使用批处理的时间为："+(endTime-startTime));
        }catch (Exception e) { //一旦上面在执行的过程中，抛出里异常；在catch块中，必须要对其进行捕捉；
            e.printStackTrace();
            try {
                if (conn != null && conn.isClosed() == false) {
                    conn.rollback();  //数据回滚
                }
            } catch (SQLException ex) {
                ex.printStackTrace();
            }
        } finally {
            DbUtils.closeConnection(null, pstmt, conn);
        }

    }

    /**
     * 使用批处理的方式
     */
    private static void tc2(){
        Connection conn = null;
        PreparedStatement pstmt = null;
        try {
            long startTime = new Date().getTime();  // 开始时间，统计时间之用；
            conn = DbUtils.getConnection();
            conn.setAutoCommit(false);  // 关闭自动提交；
            String sql = "insert into employee(eno,ename,salary,dname) values(?,?,?,?)";
            pstmt = conn.prepareStatement(sql);
            for (int i = 200000; i < 300000; i++) {
                if (i == 4005) {
                    //throw new RuntimeException("插入失败");
                }
                pstmt.setInt(1, i);
                pstmt.setString(2, "员工" + i);
                pstmt.setFloat(3, 4000);
                pstmt.setString(4, "市场部");
                //pstmt.executeUpdate();
                //将【i,员工+i,4000,市场部】四个参数添加到当前的prepareStatement的批处理任务中。
                //这儿只是添加任务，并不是执行；
                pstmt.addBatch();
            }
            // 执行批处理任务；通过这一句话，就可以将刚才的100000个批处理任务一次性打包发送到MySQL，
            // MySQL再对这100000条数据一次性执行插入的操作；
            pstmt.executeBatch();
            conn.commit();//提交数据
            long endTime = new Date().getTime(); // 结束时间，统计时间之用；
            System.out.println("tc2()方法，使用批处理的时间为："+(endTime-startTime));
        }catch (Exception e) { //一旦上面在执行的过程中，抛出里异常；在catch块中，必须要对其进行捕捉；
            e.printStackTrace();
            try {
                if (conn != null && conn.isClosed() == false) {
                    conn.rollback();  //数据回滚
                }
            } catch (SQLException ex) {
                ex.printStackTrace();
            }
        } finally {
            DbUtils.closeConnection(null, pstmt, conn);
        }

    }
    public static void main(String[] args) {
        tc1();
        tc2();
    }
}

BatchSample类几点说明：

（1）tc1()方法是未使用批处理的策略；tc2()是使用批处理的策略；

（2）tc1()和tc2()分析

         tc1()方法：每条prepareStatement对象只新增一条数据，通过创建100000条prepareStatement对象来新增100000条数据；

         tc2()方法：用一个prepareStatement对象去新增100000条数据；

（3）批处理的实现策略：

运行结果：

分析：

（1）其一，实例化prepareStatement对象是需要时间的，tc1()实例化了10000次，而tc2()只实例化了1次；

（2）其二，tc1()每循环一次，都要把sql语句发送到MySQL解析执行，每一次都要解析，MySQL需要解析100000次；

                    tc2()，只需要发送一条sql语句并附带100000组参数，一起交给MySQL批量执行；这样的方法会快很多；

（3）当sql语句越长，解析的难度越大，利用批处理的优势会更明显。所以，上面执行效率提高30%是很保守的。