Mybatis中进行批量更新

Mybatis中进行批量更新

Mybatis中进行批量更新

• Sql 批量更新

  一条sql语句来批量更新所有数据，下面直接看一下在mybatis中通常是怎么写的（去掉mybatis语法就是原生的sql语句了）。

  <update id="updateBatch" parameterType="java.util.List">
      update table_name
      set  status=
      <foreach collection="list" item="item" index="index" 
          separator=" " open="case ID" close="end">
          when #{item.id} then #{item.status}
      foreach>
      where id in
      <foreach collection="list" index="index" item="item" 
          separator="," open="(" close=")">
          #{item.id,jdbcType=BIGINT}
      foreach>
  update>
  

  其中when…then…是sql中的"switch" 语法。这里借助mybatis的语法来拼凑成了批量更新的sql，上面的意思就是批量更新id在updateBatch参数所传递List中的数据的status字段。还可以使用实现同样的功能,代码如下:

  <update id="updateBatch" parameterType="java.util.List">
          update mydata_table
          <trim prefix="set" suffixOverrides=",">
              <trim prefix="status =case" suffix="end,">
                  <foreach collection="list" item="item" index="index">
                       when id=#{item.id} then #{item.status}
                  foreach>
              trim>
          trim>
          where id in
          <foreach collection="list" index="index" item="item" separator="," open="(" close=")">
              #{item.id,jdbcType=BIGINT}
          foreach>
  update>
  

  属性说明
  1.prefix,suffix 表示在trim标签包裹的部分的前面或者后面添加内容
  2.如果同时有prefixOverrides,suffixOverrides 表示会用prefix,suffix覆盖Overrides中的内容。
  3.如果只有prefixOverrides,suffixOverrides 表示删除开头的或结尾的xxxOverides指定的内容。

  上述代码转化成sql如下:

  update mydata_table 
  set status = 
  case
      when id = #{item.id} then #{item.status}//此处应该是展开值
      ...
  end
  where id in (...);
  

  当然这是最简单的批量更新实现,有时候可能需要更新多个字段,那就需要将

  <trim prefix="status =case" suffix="end,">
       <foreach collection="list" item="item" index="index">
            when id=#{item.id} then #{item.status}
       foreach>
  trim>
  

  复制拷贝多次,更改prefix和when…then…的内容即可.而如果当需要为某个字段设置默认值的时候可以使用else

  <trim prefix="status =case" suffix="end,">
     <foreach collection="list" item="item" index="index">
          when id=#{item.id} then #{item.status}
     foreach>
     else default_value
  trim>
  

  还有更常见的情况就是需要对要更新的数据进行判断,只有符合条件的数据才能进行更新,这种情况可以这么做:

  <trim prefix="status =case" suffix="end,">
   <foreach collection="list" item="item" index="index">
       <if test="item.status !=null and item.status != -1">
           when id=#{item.id} then #{item.status}
       if>
   foreach>
  trim>
  

  这样的话只有要更新的list中status != null && status != -1的数据才能进行status更新.其他的将使用默认值更新,而不会保持原数据不变.如果要保持原数据不变呢?即满足条件的更新,不满足条件的保持原数据不变,简单的来做就是再加一个,因为mybatis中没有if…else…语法,但可以通过多个实现同样的效果,如下:

  <trim prefix="status =case" suffix="end,">
  <foreach collection="list" item="item" index="index">
      <if test="item.status !=null and item.status != -1">
          when id=#{item.id} then #{item.status}
      if>
      <if test="item.status == null or item.status == -1">
          when id=#{item.id} then mydata_table.status      //这里就是原数据
      if>
  foreach>
  trim>
  

  整体批量更新的写法如下:

  <update id="updateBatch" parameterType="java.util.List">
      update mydata_table
      <trim prefix="set" suffixOverrides=",">
          <trim prefix="status =case" suffix="end,">
               <foreach collection="list" item="item" index="index">
                   <if test="item.status !=null and item.status != -1">
                       when id=#{item.id} then #{item.status}
                   if>
                   <if test="item.status == null or item.status == -1">
                       when id=#{item.id} then mydata_table.status//原数据
                   if>
               foreach>
          trim>
      trim>
      where id in
      <foreach collection="list" index="index" item="item" separator="," open="(" close=")">
          #{item.id,jdbcType=BIGINT}
      foreach>
  update>
  

  这种批量跟心数据库的方式可以在一次数据库连接中更新所有数据，避免了频繁数据库建立和断开连接的开销，可以很大程度的提高数据更新效率。但是这样的问题是如果这个过程中更新出错，将很难知道具体是哪个数据出错，如果使用数据自身的事务保证，那么一旦出错，所有的更新将自动回滚。而且通常这种方式也更容易出错。因此通常的使用的方案是进行折中，也就是一次批量更新一部分（分页进行更新，比如说一共有1000条数据，一次更新100条）。这样可以分担出错的概率，也更容易定位到出错的位置。
   当然如果数据量确实很大的时候，这种批量更新也一样会导致更新效率低下（比如说一次更新100条，那如果10亿条数据呢，一样要批量更新1000万次，建立和断开1000万次数据库，这个效率是无法承受的）。这时候也许只能考虑其他方案了，比如引入缓存机制等。