MyBatis批量插入数据与主键回写问题解析
2025-05-10 09:51:59作者:昌雅子Ethen
背景介绍
在使用MyBatis进行数据库操作时,批量插入数据是一个常见的性能优化需求。特别是在处理大量数据时,如何高效地执行插入操作并正确获取生成的主键值,是开发者经常遇到的问题。
问题现象
在使用MyBatis 3.5.3与MySQL 8.0时,开发者尝试通过批量插入方式向ass_vehicle_brand表插入多条记录,并期望获取自动生成的主键ID。表结构设计为包含自增主键id和名称字段name。
错误分析
开发者最初尝试将批量插入与批处理执行器(BATCH executor)混合使用,导致系统抛出UnsupportedOperationException异常。这是因为MyBatis在处理主键回写时,对于批处理模式下的参数类型有特定要求。
解决方案
正确使用批量插入
MyBatis支持两种主要的批量数据插入方式:
- 多行插入语法:使用SQL的多行VALUES语法一次性插入多条记录
- 批处理执行器:通过JDBC的批处理功能批量执行单行插入语句
多行插入语法实现
<insert id="insertBrands" useGeneratedKeys="true" keyProperty="id">
INSERT INTO ass_vehicle_brand (name)
VALUES
<foreach collection="list" item="item" separator=",">
(#{item.name})
</foreach>
</insert>
这种方式适合一次性插入数据量不大的情况,能有效减少网络往返次数。
批处理执行器实现
// 配置使用批处理执行器
SqlSession session = sqlSessionFactory.openSession(ExecutorType.BATCH);
try {
BrandMapper mapper = session.getMapper(BrandMapper.class);
for (Brand brand : brands) {
mapper.insertBrand(brand); // 单条插入语句
}
session.commit();
} finally {
session.close();
}
批处理模式适合大量数据插入,但需要注意:
- 参数应该是单个实体对象而非集合
- 需要手动控制事务提交
- 建议合理设置批处理大小
MySQL性能优化建议
对于MySQL数据库,还可以通过以下配置进一步提升批量插入性能:
- 在JDBC连接字符串中添加
rewriteBatchedStatements=true参数 - 根据数据量大小调整批处理批次大小
- 考虑在批量操作期间暂时禁用索引和约束
技术原理
MyBatis的主键回写机制依赖于JDBC的getGeneratedKeys()方法。在多行插入场景下,MySQL会返回所有生成的主键值,MyBatis会按顺序将这些值赋给对应的参数对象。而在批处理模式下,MyBatis需要确保参数对象类型与主键属性匹配才能正确赋值。
最佳实践
- 对于中小批量数据(几十到几百条),推荐使用多行插入语法
- 对于大批量数据(上千条),推荐使用批处理执行器并合理分批次提交
- 始终测试不同批量大小对性能的影响,找到最佳平衡点
- 确保事务管理得当,避免长时间运行的大事务
通过理解MyBatis的批量操作机制和主键回写原理,开发者可以更高效地实现数据插入功能,同时保证系统的稳定性和性能。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137