Hibernate程序性能优化的考虑要点

阅读更多

本文依照 HIBERNATE 帮助文档,一些网络书籍及项目经验整理而成,只提供要点和思路,具体做法可以留言探讨,或是找一些更详细更有针对性的资料。

初用 HIBERNATE 的人也许都遇到过性能问题,实现同一功能,用 HIBERNATE 与用 JDBC 性能相差十几倍很正常,如果不及早调整,很可能影响整个项目的进度。

大体上,对于 HIBERNATE 性能调优的主要考虑点如下 :

•数据库设计调整

•HQL 优化

•API 的正确使用 ( 如根据不同的业务类型选用不同的集合及查询 API)

•主配置参数 ( 日志,查询缓存, fetch_size, batch_size 等 )

•映射文件优化 (ID 生成策略,二级缓存,延迟加载,关联优化 )

•一级缓存的管理

•针对二级缓存,还有许多特有的策略

•事务控制策略。

1 、 数据库设计

a) 降低关联的复杂性

b) 尽量不使用联合主键

c) ID 的生成机制,不同的数据库所提供的机制并不完全一样

d) 适当的冗余数据,不过分追求高范式

2 、 HQL 优化

HQL 如果抛开它同 HIBERNATE 本身一些缓存机制的关联, HQL 的优化技巧同普通的 SQL 优化技巧一样,可以很容易在网上找到一些经验之谈。

3 、 主配置

a) 查询缓存,同下面讲的缓存不太一样,它是针对 HQL 语句的缓存,即完全一样的语句再次执行时可以利用缓存数据。但是,查询缓存在一个交易系统 ( 数据变更频繁,查询条件相同的机率并不大 ) 中可能会起反作用 : 它会白白耗费大量的系统资源但却难以派上用场。

b) fetch_size ,同 JDBC 的相关参数作用类似,参数并不是越大越好,而应根据业务特征去设置

c) batch_size 同上。

d) 生产系统中,切记要关掉 SQL 语句打印。

4 、 缓存

a) 数据库级缓存 : 这级缓存是最高效和安全的,但不同的数据库可管理的层次并不一样,比如,在 ORACLE 中,可以在建表时指定将整个表置于缓存当中。

b) SESSION 缓存 : 在一个 HIBERNATE SESSION 有效,这级缓存的可干预性不强,大多于 HIBERNATE 自动管理,但它提供清除缓存的方法,这在大批量增加 / 更新操作是有效的。比如,同 时增加十万条记录,按常规方式进行,很可能会发现 OutofMemeroy 的异常,这时可能需要手动清除这一级缓存 :Session.evict 以及 Session.clear

c) 应用缓存 : 在一个 SESSIONFACTORY 中有效,因此也是优化的重中之重,因此,各类策略也考虑的较多,在将数据放入这一级缓存之前,需要考虑一些前提条件 :

i. 数据不会被第三方修改 ( 比如,是否有另一个应用也在修改这些数据 ?)

ii. 数据不会太大

iii. 数据不会频繁更新 ( 否则使用 CACHE 可能适得其反 )

iv. 数据会被频繁查询

v. 数据不是关键数据 ( 如涉及钱,安全等方面的问题 ) 。

缓存有几种形式,可以在映射文件中配置 :read-only( 只读,适用于很少变更的静态数据 / 历史数据 ) , nonstrict-read-write , read-write( 比较普遍的形式,效率一般 ) , transactional(JTA 中,且支持的缓存产品较少 )

d) 分布式缓存 : 同 c) 的配置一样,只是缓存产品的选用不同,在目前的 HIBERNATE 中可供选择的不多, oscache, jboss cache ,目前的大多数项目,对它们的用于集群的使用 ( 特别是关键交易系统 ) 都持保守态度。在集群环境中,只利用数据库级的缓存是最安全的。

5 、 延迟加载

a) 实体延迟加载 : 通过使用动态代理实现

b) 集合延迟加载 : 通过实现自有的 SET/LIST , HIBERNATE 提供了这方面的支持

c) 属性延迟加载 :

6 、 方法选用

a) 完成同样一件事, HIBERNATE 提供了可供选择的一些方式,但具体使用什么方式,可能用性能 / 代码都会有影响。显示,一次返回十万条记录 (List/Set/Bag/Map 等 ) 进行处理,很可能导致内存不够的问题,而如果用基于游标 (ScrollableResults) 或 Iterator 的结果集,则不存在这样的问题。

b) Session 的 load/get 方法,前者会使用二级缓存,而后者则不使用。

c) Query 和 list/iterator ,如果去仔细研究一下它们,你可能会发现很多有意思的情况,二者主要区别 ( 如果使用了 Spring ,在 HibernateTemplate 中对应 find,iterator 方法 ):

i. list 只能利用查询缓存 ( 但在交易系统中查询缓存作用不大 ) ,无法利用二级缓存中的单个实体,但 list 查出的对象会写入二级缓存,但它一般只生成较少的执行 SQL 语句,很多情况就是一条 ( 无关联 ) 。

ii. iterator 则可以利用二级缓存,对于一条查询语句,它会先从数据库中找出所有符合条件的记录的 ID ,再通过 ID 去缓存找,对于缓存中没有的记录,再 构造语句从数据库中查出,因此很容易知道,如果缓存中没有任何符合条件的记录,使用 iterator 会产生 N+1 条 SQL 语句 (N 为符合条件的记录数 )

iii. 通过 iterator ,配合缓存管理 API ,在海量数据查询中可以很好的解决内存问题,如 :

  while(it.hasNext()){

   YouObject object = (YouObject)it.next();

   session.evict(youObject);

   sessionFactory.evice(YouObject.class, youObject.getId());

   } 
 

如果用 list 方法,很可能就出 OutofMemory 错误了。

iv. 通过上面的说明,我想你应该知道如何去使用这两个方法了。

7 、 集合的选用

在 HIBERNATE 3.1 文档的“ 19.5. Understanding Collection performance” 中有详细的说明。

8 、 事务控制

事务方面对性能有影响的主要包括 : 事务方式的选用,事务隔离级别以及锁的选用

a) 事务方式选用 : 如果不涉及多个事务管理器事务的话,不需要使用 JTA ,只有 JDBC 的事务控制就可以。

b) 事务隔离级别 : 参见标准的 SQL 事务隔离级别

c) 锁的选用 : 悲观锁 ( 一般由具体的事务管理器实现 ) ,对于长事务效率低,但安全。乐观锁 ( 一般在应用级别实现 ) ,如在 HIBERNATE 中可以定义 VERSION 字段,显然,如果有多个应用操作数据,且这些应用不是用同一种乐观锁机制,则乐观锁会失效。因此,针对不同的数据应有不同的策略,同前面许 多情况一样,很多时候我们是在效率与安全 / 准确性上找一个平衡点,无论如何,优化都不是一个纯技术的问题,你应该对你的应用和业务特征有足够的了解。

9 、 批量操作

即使是使用 JDBC ,在进行大批数据更新时, BATCH 与不使用 BATCH 有效率上也有很大的差别。我们可以通过设置 batch_size 来让其支持批量操作。

举个例子,要批量删除某表中的对象,如“ delete Account” ,打出来的语句,会发现 HIBERNATE 找出了所有 ACCOUNT 的 ID ,再进行删除,这主要是为了维护二级缓存,这样效率肯定高不 了,在后续的版本中增加了 bulk delete/update ,但这也无法解决缓存的维护问题。也就是说,由于有了二级缓存的维护问题, HIBERNATE 的批量操作效率并不尽如人意 !

从 前面许多要点可以看出,很多时候我们是在效率与安全 / 准确性上找一个平衡点,无论如何,优化都不是一个纯技术的问题,你应该对你的应用和业务特征有足够的 了解,一般的,优化方案应在架构设计期就基本确定,否则可能导致没必要的返工,致使项目延期,而作为架构师和项目经理,还要面对开发人员可能的抱怨,必 竟,我们对用户需求更改的控制力不大,但技术 / 架构风险是应该在初期意识到并制定好相关的对策。

还有一点要注意,应用层的缓存只是锦上添花,永远不要把它当救命稻草,应用的根基 ( 数据库设计,算法,高效的操作语句,恰当 API 的选择等 ) 才是最重要的。

你可能感兴趣的:(hibernate,jdbc,performance,sql,cache)