Mybatis与JDBC批量插入MySQL数据库性能测试及解决方案

转自http://www.cnblogs.com/fnz0/p/5713102.html

不知道自己什么时候才有这种钻研精神- -。

1      背景

系统中需要批量生成单据数据到数据库表，所以采用批量插入数据库的方式。由于系统中ORM操作集成使用的是Mybatis来完成的。

在Mybatis中操作一般使用批量插入的方式如下：

<insert id="insertBatch" parameterType="java.util.List"  >

insert into userinfo (uid, uname, uphone, uaddress)

values

<foreach collection="list" item="item"index="index" separator=",">

(#{item.uid,jdbcType=INTEGER},

#{item.uname,jdbcType=VARCHAR},

#{item.uphone,jdbcType=VARCHAR},

#{item.uaddress,jdbcType=VARCHAR}

)

</foreach>

</insert>

在实际生产中发现，这样调用的效率并不高，于是我们迫切地需要寻找一种处理批量插入性能较高的方式——回归原生数据库JDBC操作。我们要分析Mybatis和JDBC的插入性能，来决策适合我们生产系统的批量插入方式。

参考资料中有一篇文章是对Spring Mybatis和Spring JDBC插入效率的测试，由于测试的数据量不多不予置评。

2      Mybatis

2.1  Mybatis测试样本1K

测试10组数据：

时间（ms）

923

412

426

408

405

353

365

344

316

493

2.2  Mybatis测试样本2K

测试10组数据：

时间（ms）

11031

3340

3571

2327

7273

1353

2676

1249

1245

1155

2.3  Mybatis测试样本4K

测试10组数据：

时间（ms）

6070

5565

5731

5400

5830

5543

5469

5697

5528

5399

2.4  Mybatis测试样本6K

测试10组数据：

时间（ms）

13383

12672

13030

13484

13841

12952

13331

13275

13000

13236

2.5  Mybatis测试样本8K

测试10组数据：

时间（ms）

25312

24702

27065

25921

25156

24686

25314

33947

25304

25853

2.6  Mybatis测试样本10K

测试10组数据：

时间（ms）

42148

39209

38548

40109

37820

37728

38178

38481

38157

39032

2.7  Mybatis测试样本15K

测试10组数据：

时间（ms）

98250

88585

87438

89547

88427

89522

83261

80842

87163

84804

2.8  Mybatis测试样本20K

测试10组数据：

时间（ms）

145481

146618

147098

145578

144947

145614

142014

142315

141984

143625

2.9  性能测试样本平均值

2.9.1  测试样本SQL

2.9.1.1       毫秒级SQL【time(ms)】

-- DELETE FROMprocess_spend_time_result  WHEREpmethod='mybatis';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=1000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=2000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=4000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=6000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=8000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=10000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=15000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=20000 ANDp.pmethod='mybatis';

2.9.1.2       秒级SQL【time(s)】

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=1000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=2000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=4000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=6000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=8000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=10000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=15000 ANDp.pmethod='mybatis';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=20000 ANDp.pmethod='mybatis';

2.9.2  测试数据汇总

数据4舍5入保留3位小数

测试样例	AVG（s）
1K	0.445
2K	3.522
4K	5.623
6K	13.221
8K	26.326
10K	38.941
15K	87.784
20K	144.527

2.10    Mybatis批量插入问题

2.10.1             问题一：处理性能低下

处理10000条耗时：34292ms

2.10.2             问题二：批量处理数据量大小受限

Windows下需要修改MySQL的my.ini文件加入如下配置内容：

max_allowed_packet=500M

Linux下是在/my.cnf修改添加如上内容。

也可以直接这样设置：

SET GLOBAL max_allowed_packet=1073741824;

但MySQL重启后就不起作用了。

2.10.3             问题三：线程处理锁表

在通过多线程并发处理的时，很容易导致数据库表锁表，使得后续的操作无法进行。

2.10.4             问题四：导致对象回收GC问题

对象超出GC对象回收阀值，导致程序中断。

3      JDBC

3.1  JDBC测试数据1W

测试10组数据：

普通插入(ms)	普通+事务(ms)	普通批量（ms）	批量+事务(MS)
28489	801	31287	3494
30536	3042	35547	1899
25571	2041	31022	3501
27954	2733	28927	2547
29620	1261	34408	1449
27125	819	29318	923
28993	1079	31099	939
27594	2547	33504	3410
27967	781	31646	3587
33145	1293	37030	1912

3.2  JDBC测试数据5W

测试10组数据：

普通插入(ms)	普通+事务(ms)	普通批量（ms）	批量+事务(MS)
131427	11568	168623	6926
132271	19313	231526	9915
192176	5238	227724	10978
185640	18955	227497	41959
211777	11238	184970	9461
208446	5019	263636	23394
253351	14265	227391	24870
225268	17009	229871	5583
163739	9719	230719	16657
215033	15802	238018	5330

3.3  JDBC测试数据10W

测试10组数据：

普通插入(ms)	普通+事务(ms)	普通批量（ms）	批量+事务(MS)
308773	21389	360510	16432
352773	23487	372343	25545
378805	24034	368416	12507
384189	30119	392974	23742
369975	30651	378634	26180
368659	11902	416932	21321
388453	12644	411571	18138
391155	11287	396363	11678
368055	30987	399078	12212
363375	22576	361478	18544

3.4  JDBC测试数据25W

测试10组数据：

普通插入(ms)	普通+事务(ms)	普通批量（ms）	批量+事务(MS)
942067	51343	990800	70103
1070688	28737	1051132	35536
1002076	38065	1222409	89644
1073114	57050	1312620	82354
960697	51733	1338932	33428
1025890	37666	1273338	76934
1017361	50916	1115627	92790
1077821	78650	1175512	52427
1038000	23290	1247797	91801
1200532	75494	1262051	72087

3.5  JDBC测试数据50W

测试10组数据：

普通插入(ms)	普通+事务(ms)	普通批量（ms）	批量+事务(MS)
1914920	166575	2059826	146472
2111596	62807	1897888	125075
2174029	147265	1891542	166921
1948838	61284	2129791	93167
1909861	167575	1856811	56286
1990816	141381	1980060	148012
1896793	48087	2065937	56832
2130856	174388	2019914	113289
2073636	117462	2045715	102792
1966828	141319	1857867	116854

3.6  JDBC测试样本均值

3.6.1  测试样本SQL

3.6.1.1       毫秒级SQL【time(ms)】

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=10000 andp.pmethod='batchInsert';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=10000 andp.pmethod='batchInsert2';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=10000 andp.pmethod='batchInsertWithTransaction';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=10000 andp.pmethod='batchInsertWithTransaction2';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=50000 andp.pmethod='batchInsert';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=50000 andp.pmethod='batchInsert2';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=50000 andp.pmethod='batchInsertWithTransaction';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=50000 andp.pmethod='batchInsertWithTransaction2';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=100000 andp.pmethod='batchInsert';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=100000 andp.pmethod='batchInsert2';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=100000 andp.pmethod='batchInsertWithTransaction';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=100000 andp.pmethod='batchInsertWithTransaction2';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=250000 andp.pmethod='batchInsert';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=250000 andp.pmethod='batchInsert2';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=250000 andp.pmethod='batchInsertWithTransaction';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=250000 andp.pmethod='batchInsertWithTransaction2';

SELECTAVG(p.ptime) FROM process_spend_time_resultp WHEREp.plimit=500000andp.pmethod='batchInsert';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=500000 andp.pmethod='batchInsert2';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=500000 andp.pmethod='batchInsertWithTransaction';

SELECTAVG(p.ptime) FROMprocess_spend_time_result p WHERE p.plimit=500000 andp.pmethod='batchInsertWithTransaction2';

3.6.1.2       秒级SQL【time(s)】

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=10000 andp.pmethod='batchInsert';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=10000 andp.pmethod='batchInsert2';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=10000 andp.pmethod='batchInsertWithTransaction';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=10000 andp.pmethod='batchInsertWithTransaction2';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=50000 andp.pmethod='batchInsert';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=50000 andp.pmethod='batchInsert2';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=50000 andp.pmethod='batchInsertWithTransaction';

SELECTAVG(p.ptime)/1000 FROM process_spend_time_resultp WHEREp.plimit=50000andp.pmethod='batchInsertWithTransaction2';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=100000 andp.pmethod='batchInsert';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=100000 andp.pmethod='batchInsert2';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=100000 andp.pmethod='batchInsertWithTransaction';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=100000 andp.pmethod='batchInsertWithTransaction2';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=250000 andp.pmethod='batchInsert';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=250000 andp.pmethod='batchInsert2';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=250000 andp.pmethod='batchInsertWithTransaction';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=250000 andp.pmethod='batchInsertWithTransaction2';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=500000 andp.pmethod='batchInsert';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=500000 andp.pmethod='batchInsert2';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=500000 andp.pmethod='batchInsertWithTransaction';

SELECTAVG(p.ptime)/1000 FROMprocess_spend_time_result p WHERE p.plimit=500000 andp.pmethod='batchInsertWithTransaction2';

3.6.2  测试数据汇总

数据4舍5入保留2位小数

测试样例	1W（s）	5W(s)	10W(s)	25W(s)	50W(s)
普通插入	28.70	191.91	367.42	1040.82	2011.82
普通+事务	1.64	12.81	21.91	49.29	122.81
批量插入	32.38	223.00	385.83	1199.02	1980.54
批量+事务	2.37	15.51	18.63	69.71	112.57

3.7  JDBC测试规律总结

3.7.1  规律一：批量插入尽量使用事务控制

数据4舍5入保留2位小数

测试样例	1W（s）	5W(s)	10W(s)	25W(s)	50W(s)
普通插入	28.70	191.91	367.42	1040.82	2011.82
普通+事务	1.64	12.81	21.91	49.29	122.81
批量插入	32.38	223.00	385.83	1199.02	1980.54
批量+事务	2.37	15.51	18.63	69.71	112.57

3.7.2  规律二：事务批量处理的数据量不要太大

数据4舍5入保留2位小数

测试样例	1W（s）	5W(s)	10W(s)	25W(s)	50W(s)
普通插入	28.70	191.91	367.42	1040.82	2011.82
普通+事务	1.64	12.81	21.91	49.29	122.81
批量插入	32.38	223.00	385.83	1199.02	1980.54
批量+事务	2.37	15.51	18.63	69.71	112.57

3.7.3  规律三：适当地设置MySQL参数可以提高数据库性能

数据4舍5入保留2位小数

测试样例	1W（s）	5W(s)	10W(s)	25W(s)	50W(s)
普通插入	28.70	191.91	367.42	1040.82	2011.82
普通+事务	1.64	12.81	21.91	49.29	122.81
批量插入	32.38	223.00	385.83	1199.02	1980.54
批量+事务	2.37	15.51	18.63	69.71	112.57

3.7.4  规律四：处理数据量和时间不是成倍增长

数据4舍5入保留2位小数

测试样例	1W（s）	5W(s)	10W(s)	25W(s)	50W(s)
普通插入	28.70	191.91	367.42	1040.82	2011.82
普通+事务	1.64	12.81	21.91	49.29	122.81
批量插入	32.38	223.00	385.83	1199.02	1980.54
批量+事务	2.37	15.51	18.63	69.71	112.57

3.7.5  规律五：数据库性能随数据量的不断加大而降低

数据4舍5入保留2位小数

测试样例	1W（s）	5W(s)	10W(s)	25W(s)	50W(s)
普通插入	28.70	191.91	367.42	1040.82	2011.82
普通+事务	1.64	12.81	21.91	49.29	122.81
批量插入	32.38	223.00	385.83	1199.02	1980.54
批量+事务	2.37	15.51	18.63	69.71	112.57

4      结论

经过以上测试得出结论：Mybatis的批量适合处理少了数据的批量处理，而JDBC适合大数据量的批量处理。据此，采用JDBC批量+事务处理大数据量的表插入操作是最合适的。

5      方案

因为要考虑JVM的GC所以数据应该限制一下，但鉴于Mybatis大数据量的批量插入效率不高，所以根据数据大小分段治理。

5.1  小于1W使用：Mybatis批量插入方案

对JVM进行调优，但主要的性能瓶颈在批量插入操作。鉴于mybatis在项目开发方面的优势，数据量很小的情况下还是建议使用Mybatis。

5.2  大于1W小于10W使用：JDBC批量+事务处理

对JVM进行调优（设置Stack和GC等）。一般操作30秒以内是可以容忍的性能耗时。

5.3  10W以上数据使用：数据分批+JDBC批量+事务处理

对JVM进行调优（设置Stack和GC等），通过数据分批处理。对于分批处理需要借鉴前面的测试数据来定义分批量的大小，主要是对操作时间调优。

如果是100W、1000W级别的数据量，分批处理可以很大程度地提升插入效率，具体的分批需要通过实践去分配，数据量太大这里就不做实验了。

6      参考资料

JDBC实现往MySQL数据库插入百万数据：http://www.cnblogs.com/fnz0/p/5713102.html

MySQL Max_allowed_packet: http://stackoverflow.com/questions/8062496/how-to-change-max-allowed-packet-size

Spring Mybatis和Spring JDBC的插入效率比较：http://toplchx.iteye.com/blog/1988254

注：另外一种比较高效的导入方式是生成一个文本文件使用MySQL的JDBC LOAD DATA LOCAL INFILE；参考示例：

MySQL使用JDBC LOAD DATA LOCAL INFILE导入注意事项

MySQL使用LOAD DATA LOCAL INFILE数据3-5秒导入40W数据

Java不写文件，LOAD DATA LOCAL INFILE大批量导入数据到MySQL的实现

7.实战演练

注意：事务处理的数据量不能太多。

7.1  JDBC工具类

package com.wlyd.fmcgwms.util.jdbc;

import java.io.IOException;

import java.sql.Connection;

import java.sql.DriverManager;

import java.sql.SQLException;

import java.util.Properties;

/**

*JDBC连接工具类

*

*@package com.wlyd.fmcgwms.util.jdbc.JdbcConnection

*@date   2017年4月17日  下午3:32:15

*@author pengjunlin

*@comment

*@update

*/

public class JdbcConnection {

privatestatic Connection conn = null;

private static Properties props = null;

static {

props = new Properties();

try {

props.load(JdbcConnection.class.getResourceAsStream("/jdbc.properties"));

} catch (IOException e1) {

e1.printStackTrace();

}

try {

Class.forName(props.getProperty("jdbc.driverClass"));

} catch (ClassNotFoundException e) {

e.printStackTrace();

}

}

public static Connection getConn(){

try {

conn = DriverManager.getConnection(props.getProperty("jdbc.jdbcUrl"),props.getProperty("jdbc.user"),props.getProperty("jdbc.password"));

conn.setAutoCommit(false);

} catch (SQLException e) {

e.printStackTrace();

}

return conn;

}

public void closeConn(){

try {

if (conn != null)

conn.close();

} catch (SQLException e) {

e.printStackTrace();

}

}

}

7.2  批量事务插入

7.2.1  接口

/**

* jdbc批量插入

*

* @MethodName: jdbcBatchInsert

* @Description:

* @param user

* @param items

* @return

* @throws Exception

* @throws

*/

int jdbcBatchInsert(EsUser user,List<WmElectronicSheetItem> items) throws Exception;

/**

* jdbc批量插入

*

* @MethodName: jdbcPerBatchInsert

* @Description:

* @param user

* @param items

* @return

* @throws Exception

* @throws

*/

intjdbcPerBatchInsert(EsUser user, List<WmElectronicSheetItem> items)  throws Exception;

7.2.2  实现

@Override

publicint jdbcBatchInsert(EsUser user, List<WmElectronicSheetItem> items) throws Exception {

intflag = 0;

intperCount = 100, index = 0;

inttimes = items.size() / perCount;

longstime=System.currentTimeMillis();

try {

do {

// 休眠50ms

Thread.sleep(50);

List<WmElectronicSheetItem>listTemp= null;

if (items.size() >= perCount) {

listTemp = items.subList(0, perCount);// listTemp是分段处理逻辑的参数

}else{

listTemp = items.subList(0, items.size());// listTemp是分段处理逻辑的参数

}

// 遍历当前的值是否正确

Stringresult= "";

for (inti = 0; i < listTemp.size(); i++) {

result += listTemp.get(i) + ",";

}

Log.getLogger(getClass()).info("第" + (index+1)+ "轮:>>" + result);

// 事务单元执行个数==尽量在事务里面处理少一点(事务尽量小一点)

jdbcPerBatchInsert(user, listTemp);

items.removeAll(listTemp);

Log.getLogger(getClass()).info("当前剩余集合长度:>>" + items.size());

index++;

}while(index<= times);

// 计算时间

longetime=System.currentTimeMillis();

Log.getLogger(getClass()).info(">>封装面单号批量事务插入总共耗时-----------------------:"+(etime-stime)+"ms!");

}catch(Exception e) {

e.printStackTrace();

flag=2;

Log.getLogger(getClass()).error("JDBC批量执行插入异常:>>" + items.size());

thrownew RuntimeException();

}

returnflag;

}

@Override

publicintjdbcPerBatchInsert(EsUser user, List<WmElectronicSheetItem> items)

throws Exception {

intflag=0;

Connectionconn=JdbcConnection.getConn();

PreparedStatementpstm= null;

try {

Stringsql= "insert intowm_electronic_sheet_item_?  ("

+"WESI_WESB_ID,WESI_CARRIER_CODE,WESI_START_CHARACTER,WESI_SEQUENCE,"

+"WESI_WAREHOUSE_ID, WESI_CODE,WESI_STATE, "

+"CREATOR, CREATE_TIME, MODIFIER,MODIFY_TIME) values"

+"(?, ?, ?,  ?, ?, ?, ?, ?, ?, ?, ?)";

conn.setAutoCommit(false);

Log.getLogger(getClass()).info(">>>>>>验证JDBC连接："+(conn!=null));

for (inti = 0, j = items.size(); i < j; i++) {

WmElectronicSheetItemitem= items.get(i);

pstm = conn.prepareStatement(sql);

pstm.setInt(1, Integer.valueOf(user.getEsCorCode())); // tableName

pstm.setInt(2, item.getWesiWesbId());// WESI_WESB_ID

pstm.setString(3, item.getWesiCarrierCode());// WESI_CARRIER_CODE

pstm.setString(4, item.getWesiStartCharacter());// WESI_START_CHARACTER

pstm.setString(5, item.getWesiSequence());// WESI_SEQUENCE

pstm.setInt(6, item.getWesiWarehouseId());// WESI_WAREHOUSE_ID

pstm.setString(7, item.getWesiCode());// WESI_CODE

pstm.setInt(8, item.getWesiState());// WESI_STATE

pstm.setInt(9, user.getEsId());// CREATOR

pstm.setTimestamp(10,new java.sql.Timestamp(new Date().getTime()));// CREATE_TIME

pstm.setInt(11, -1);// MODIFIER

pstm.setTimestamp(12, null);// MODIFY_TIME

pstm.executeUpdate();

}

conn.commit();// 手动提交事务

}catch(Exception e) {

e.printStackTrace();

flag=2;

Log.getLogger(getClass()).error("JDBC批量分配事务单元执行插入异常:>>" + items.size());

thrownew RuntimeException();

}finally{

if (pstm != null) {

try {

pstm.close();

}catch(SQLException e) {

e.printStackTrace();

}

}

if (conn != null) {

conn.close();

}

}

returnflag;

}

7.3测试一组数据

测试50000条数据耗时统计：

数据样本事务大小 （每个事务处理的数量）	耗时(ms)
100	100258
500	75041
1000	68850
3000	78354

通过这种方式提交比较安全不会出现线程锁表问题，事务处理尽量少，根据每次事务提交执行的量可以实现时间上的优化。