前提
由于工作的原因，经常需要对海量数据进行处理，做的数据爬虫相关，动辄千万级别的数据，单表几十个G都是都是家常便饭。 主要开发语言是C#，数据库使用的是MySQL。
最常见的操作便是 select 读取数据，然后在C#中对数据进行处理， 完毕后再插入数据库中。 简而言之就 select -> process -> insert三个步骤。 对于数据量小的情况下（百万级别 or 几百兆)可能最多1个小时就处理完了。但是对于千万级数据可能几天，甚至更多。 那么问题来了，如何优化？？
（数据库的一览，有图有真相）
第一步 解决读取的问题
跟数据库打交道的方式有很多，我来列举下吧：
1. 【重武器-坦克大炮】使用重型ORM框架，比如EF,NHibernat 这样的框架。
2. 【轻武器-AK47】 使用Dapper,PetaPoco之类，单cs文件。灵活高效，使用简单。居家越货必备（我更喜欢PetaPoco :)）
3. 【冷兵器？匕首？】使用原生的Connection、Command。 然后写原生的SQL语句。。
分析：
【重武器】在我们这里肯定直接被PASS， 他们应该被用在大型项目中。
【轻武器】Dapper,PetaPoco 看过源码你会发现用到了反射，虽然使用IL和缓存技术，但是还是会影响读取效率，PASS
好吧那就只有使用匕首，原生SQL走起， 利用DataReader 进行高效读取，并且使用索引取数据（更快），而不是列名。
大概的代码如下：
using (var conn = new MySqlConnection('Connection String...'))
{
conn.Open();
//此处设置读取的超时，不然在海量数据时很容易超时
var c = new MySqlCommand('set net_write_timeout=9999999; set net_read_timeout=9999999', conn);
c.ExecuteNonQuery();
MySqlCommand rcmd = new MySqlCommand();
rcmd.Connection = conn;
rcmd.CommandText = @'SELECT `f1`,`f2` FROM `table1`';
//设置命令的执行超时
rcmd.CommandTimeout = 99999999;
var myData = rcmd.ExecuteReader();
while (myData.Read())
{
var f1= myData.GetInt32(0);
var f2= myData.GetString(1);
//这里做数据处理....
}
}
哈哈，怎么样，代码非常原始，还是使用索引来取数据，很容易出错。 当然一切为了性能咱都忍了
第二步 数据处理
其实这一步，根据你的业务需要，代码肯定不一， 不过无非是一些字符串处理，类型转换的操作，这时候就是考验你的C#基础功底的时候了。 以及如何高效编写正则表达式。。。
具体代码也没法写啊 ，先看完CLR via C# 在来跟我讨论吧 ，O(∩_∩)O哈哈哈~ 跳过。。。。
第三部 数据插入
如何批量插入才最高效呢？ 有同学会说， 使用事务啊，BeginTransaction, 然后EndTransaction。 恩，这个的确可以提高插入效率。 但是还有更加高效的方法，那就是合并insert语句。
那么怎么合并呢？
insert into table (f1,f2) values(1,'sss'),values(2,'bbbb'),values(3,'cccc');
就是把values后面的全部用逗号，链接起来，然后一次性执行 。
当然不能一次性提交个100MB的SQL执行，MySQL服务器对每次执行命令的长度是有限制的。 通过 MySQL服务器端的max_allowed_packet 属性可以查看， 默认是1MB
咱们来看看伪代码吧
//使用StringBuilder高效拼接字符串
var sqlBuilder = new StringBuilder();
//添加insert 语句的头
string sqlHeader = 'insert into table1 (`f1`,`f2`) values';
sqlBuilder.Append(sqlHeader);
using (var conn = new MySqlConnection('Connection String...'))
{
conn.Open();
//此处设置读取的超时，不然在海量数据时很容易超时
var c = new MySqlCommand('set net_write_timeout=9999999; set net_read_timeout=9999999', conn);
c.ExecuteNonQuery();
MySqlCommand rcmd = new MySqlCommand();
rcmd.Connection = conn;
rcmd.CommandText = @'SELECT `f1`,`f2` FROM `table1`';
//设置命令的执行超时
rcmd.CommandTimeout = 99999999;
var myData = rcmd.ExecuteReader();
while (myData.Read())
{
var f1 = myData.GetInt32(0);
var f2 = myData.GetString(1);
//这里做数据处理....
sqlBuilder.AppendFormat('({0},'{1}'),', f1,AddSlash(f2));
if (sqlBuilder.Length >= 1024 * 1024)//当然这里的1MB length的字符串并不等于 1MB的Packet。。。我知道：）
{
insertCmd.Execute(sqlBuilder.Remove(sqlBuilder.Length-1,1).ToString())//移除逗号，然后执行
sqlBuilder.Clear();//清空
sqlBuilder.Append(sqlHeader);//在加上insert 头
}
}
}
好了，到这里 大概的优化后的高效查询、插入就完成了。
结语
总结下来，无非2个关键技术点，DataReader、SQL合并，都是一些老的技术啦。
其实，上面的代码只能称得上 高效 ， 但是， 却非常的不优雅。。。甚至难看。。。
那那么问题来了？ 如何进行重构呢？ 通过重构抽象出一个可用的类，而不必关心字符串拼接这些乱七八糟的东西，支持多线程合并写入，最大限度提高写入IO， 我们在下一篇文章中再来谈谈。
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
这一波大模型产业落地浪潮里，不少企业其实处在 “干瞪眼“的状态。
一种情况是，很多大模型产品看得见却摸不着，在台上一个个遥遥领先——今天Sora技精四座，明天英伟达的机器人又赢得满堂彩，可是到了台下一问：啥时候能用上啊？答曰：遥遥无期。
另一种情况是，企业想用上大模型，却又难免瞻前顾后——既要考虑场景融合，又得兼顾安全性，还要考虑打通现有系统，再加上各种部署成本和繁琐的采购流程……最后只能拂袖：罢了，再等等吧。
稳了！魔兽国服回归的3条重磅消息！官宣时间再确认！
昨天有一位朋友在大神群里分享，自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址，com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后，确实是网易的网址，也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情，因为以前都没有出现这样的情况，现在突然提示跳转到国服战网的网址，是不是说明了简体中文客户端已经开始进行更新了呢？