我正在尝试将 5,000,000 行从一个 Postgre 数据库移动到另一个数据库。两个连接都在 Hikari CP 连接池中。
我浏览了很多文档和帖子。它给我留下了下面的代码。但它并不是真的可用:
(jdbc/with-db-connection [tx {:datasource source-db}]
(jdbc/query tx
[(jdbc/prepare-statement (jdbc/get-connection tx)
answer-sql
{:fetch-size 100000})]
{:result-set-fn (fn [result-set]
(jdbc/insert-multi!
{:datasource target-db}
:migrated_answers
result-set))}))
我已经尝试了很多不同的形式。 jdbc/with-db-transaction
或任何其他我能想到的都没有多大帮助。
很多教程和帖子只提到如何处理整体结果的方式。进入 RAM 的小表绝对没问题,但它看起来很快。但事实并非如此。
因此,当我正确使用
:fetch-size
并且我的 RAM 没有爆炸(hocus pocus)时,传输速度非常慢,两个连接都在“Activity ”和“空闲”之间切换在数据库端的事务状态中。我从来没有等这么久才找到任何实际传输的数据!当我在 Talend Open Studio(生成 Java 代码的 ETL 工具)中创建这个简单的批处理时,它会在 5 分钟内传输所有数据。那里的光标大小“也”设置为 100000。我认为 Clojure 的干净代码应该更快。
我得到的最快结果是使用下面的代码。我认为这是因为
:as-array
参数。如果我不使用:max-rows
参数内存会爆炸,因为它没有被延迟处理,所以我不能将它用于整个传输。为什么?我不明白这里的规则。(jdbc/with-db-transaction [tx {:datasource source-db}] (jdbc/query tx [(jdbc/prepare-statement (:connection tx) answer-sql {:result-type :forward-only :concurrency :read-only :fetch-size 2000 :max-size 250000})] {:as-arrays? true :result-set-fn (fn [result-set] (let [keys (first result-set) values (rest result-set)] (jdbc/insert-multi! {:datasource dct-db} :dim_answers keys values)))}))
如果我明显缺少任何帮助或信息,我将不胜感激。
最佳答案
我认为这里的关键观察是,当您的查询 懒惰地从一个数据库流式传输结果时,您的插入 只是对另一个数据库的一次巨大写入。关于内存使用,如果您在最后为单个写入操作收集所有这些结果(在内存中),我认为无论您是否懒惰地流式传输查询结果都没有太大区别。
平衡内存使用和吞吐量的一种方法是批处理写入:
(db/with-db-transaction [tx {:datasource source-db}]
(db/query tx
[(db/prepare-statement (:connection tx)
answer-sql
{:result-type :forward-only
:concurrency :read-only
:fetch-size 2000})]
{:as-arrays? true
:result-set-fn (fn [result-set]
(let [keys (first result-set)
values (rest result-set)]
(doseq [batch (partition-all 2000 values)]
(db/insert-multi! {:datasource dct-db}
:dim_answers
keys
batch))))}))
不同之处在于,它使用 partition-all
批量插入 values
(大小与 :fetch-size
相同,但我确保可以对其进行调整)。通过将 JVM 最大堆大小设置为类似 -Xmx1g
的方法,比较此方法与其他方法的性能/内存使用情况。我无法使用此堆大小完成非批处理版本。
我能够在大约 1 分钟内在笔记本电脑上的本地 PostgreSQL 数据库之间迁移 600 万个小行,并使用 java
使用 <400MB 内存。我还使用了 HikariCP。
如果您确实批量插入,如果适合您的用例,您可能需要考虑将所有插入包装在单个事务中。为简洁起见,我在这里省略了额外的交易。
If i dont use
:max-size
parameter memory explodes
我在最新的 clojure.java.jdbc 中找不到对此选项的任何引用(除了规范),它没有影响我的测试。我确实看到了一个 :max-rows
但你肯定不想要那个。
I think it is because the
:as-array
parameter.
我希望这对内存使用有益;行 vector 应该比行映射更节省空间。
关于java - 通过 Clojure 和 JDBC 将 5,000,000 行移动到另一个 Postgresql 数据库,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48652788/