使用batch insert解决MySQL的insert吞吐量问题

最近使用了一个非常简单易用的方法解决了业务上的一个insert吞吐量的问题，在此总结一下。

首先我们明确一下，insert吞吐量其实并不是指的IPS（insert per second），而是指的RPS（effect rows per
second）。

其次我们再说一下batch insert，其实顾名思义，就是批量插入。这种优化思想是很基本的，MySQL中最出名的应用就是group
commit。

简单的来说，就是将SQL A 变成 SQL B

SQL A : insert into table values （$values）;

SQL B : insert into table values ($values),($values)...($values);

下面，我们来看看这种异常简单的改动会带来什么样子的变化。

测试环境交代：单id的表结构，10w个int values，本地使用socket连接MySQL server，使用shell单进程测试。

首先，我们看下使用SQL A将10w个int values插入到test表中所需的耗时，耗时1777秒。

real    29m37.090s

user    9m11.705s

sys     5m0.762s

然后，我们看下使用SQL B（每次insert，插入10 values）将10w个int values插入到test表中所需的耗时，耗时53秒

real    0m53.871s

user    0m19.455s

sys     0m6.285s

这是整整近33倍的时间提升。这部分性能提升的原因在于以下几点：

1、每次和MySQL server建立连接都需要经过各种初始化、权限认证，语法解析等等多个步骤，需要消耗一定的资源。

2、更新一个values和更新n个values耗时基本一致。（下面对比一下insert 单values核insert 10
values的profile耗时）

单values：
+------------------------------+----------+

| Status                       | Duration |

+------------------------------+----------+

| starting                     | 0.000056 |

| checking permissions         | 0.000010 |

| Opening tables               | 0.000034 |

| System lock                  | 0.000010 |

| init                         | 0.000011 |

| update                       | 0.000061 |

| Waiting for query cache lock | 0.000003 |

| update                       | 0.000015 |

| end                          | 0.000003 |

| query end                    | 0.000053 |

| closing tables               | 0.000009 |

| freeing items                | 0.000021 |

| logging slow query           | 0.000002 |

| cleaning up                  | 0.000003 |

+------------------------------+----------+


10 values：

+------------------------------+----------+

| Status                       | Duration |

+------------------------------+----------+

| starting                     | 0.000061 |

| checking permissions         | 0.000008 |

| Opening tables               | 0.000027 |

| System lock                  | 0.000008 |

| init                         | 0.000012 |

| update                       | 0.000073 |

| Waiting for query cache lock | 0.000003 |

| update                       | 0.000010 |

| end                          | 0.000008 |

| query end                    | 0.000053 |

| closing tables               | 0.000010 |

| freeing items                | 0.000021 |

| logging slow query           | 0.000002 |

| cleaning up                  | 0.000003 |

+------------------------------+----------+

但是，是否values积攒的越多，效率越高吗？ 答案自然是否定的，任何优化方案都不会是纯线性的，肯定会在某个条件下出现拐点。

我们按照不同的values number进行测试，分别为1、10、50、100、200、500、1000、5000、10000.

从下图我们可以看出，随着values number的增加，耗时先是急剧下降，从1777s变成53s，然后在增加values
number就不会有太大的变化，直到values number超过200，最后的10000个values number耗时达到了2分钟。

从下图我们可以看到随着values
numbers的增加，QPS（蓝线）先是猛增，然后下降，最终小于1/s。而RPS（绿线）随着增加猛增到一个高level，然后随着增加逐步下降，超过5000个values
number之后开始急剧下降。

另，最关键的是，QPS最高峰和RPS的最高峰并不在同一个values
number下，也就是说QPS最高的时候并不代表着insert的吞吐量就最高。

在我这个简单测试场景中，values number最合适的值是50，和单values对比，耗时减少97%，insert吞吐量提升36倍。

而这个值和表结构和字段类型及大小都有关系。需要根据不同的场景进行测试之后才可以得出，但是普遍来说，50-100是比较推荐的考虑值。

至于这个如何实现，只要前端写入的时候加入队列即可，可以按照2个条件进行合并

• 队列中积攒到n个values
  number后在写入数据库，优点是性能最高，缺点是时间不可控，有可能等到第n个需要n秒，这时候业务已经不可接收了。


• 队列中积攒1s之后，有多少个就写入多少个，优点是时间可控，缺点就是values
  number数目不可能，高并发的情况，可能1s已经积攒上千个values了。


• 最优的方案其实是2个条件同时起作用，即进行个数效验，也进行时间效验，无论达到那个条件都触发后续写数据库操作。

总结：

1、使用batch insert可以提高insert的吞吐量。

2、叠加的values number需要根据实际情况测试得出。

3、同时使用个数和时间控制阀值。

附简单测试的记录值：

使用batch insert解决MySQL的insert吞吐量问题