大数据量查询容易OOM？试试MySQL流式查询

一、前言

程序访问 MySQL 数据库时，当查询出来的数据量特别大时，数据库驱动把加载到的数据全部加载到内存里，就有可能会导致内存溢出（OOM）。

其实在 MySQL 数据库中提供了流式查询，允许把符合条件的数据分批一部分一部分地加载到内存中，可以有效避免OOM；本文主要介绍如何使用流式查询并对比普通查询进行性能测试。

二、JDBC实现流式查询

使用JDBC的 PreparedStatement/Statement 的 setFetchSize 方法设置为 Integer.MIN_VALUE 或者使用方法 Statement.enableStreamingResults() 可以实现流式查询，在执行 ResultSet.next() 方法时，会通过数据库连接一条一条的返回，这样也不会大量占用客户端的内存。

public int execute(String sql, boolean isStreamQuery) throws SQLException { Connection conn = null; PreparedStatement stmt = null; ResultSet rs = null; int count = 0; try { //获取数据库连接 conn = getConnection(); if (isStreamQuery) { //设置流式查询参数 stmt = conn.prepareStatement(sql, ResultSet.TYPE_FORWARD_ONLY, ResultSet.CONCUR_READ_ONLY); stmt.setFetchSize(Integer.MIN_VALUE); } else { //普通查询 stmt = conn.prepareStatement(sql); } //执行查询获取结果 rs = stmt.executeQuery(); //遍历结果 while(rs.next()){ System.out.println(rs.getString(1)); count++; } } catch (SQLException e) { e.printStackTrace(); } finally { close(stmt, rs, conn); } return count; }

PS：上面的例子中通过参数 isStreamQuery 来切换流式查询与普通查询，用于下面做测试对比。

三、性能测试

创建了一张测试表 my_test 进行测试，总数据量为 27w 条，分别使用以下4个测试用例进行测试：

大数据量普通查询(27w条)

大数据量流式查询(27w条)

小数据量普通查询(10条)

小数据量流式查询(10条)

3.1. 测试大数据量普通查询 @Test public void testCommonBigData() throws SQLException { String sql = "select * from my_test"; testExecute(sql, false); } 3.1.1. 查询耗时

27w 数据量用时 38 秒

3.1.2. 内存占用情况

使用将近 1G 内存

3.2. 测试大数据量流式查询 @Test public void testStreamBigData() throws SQLException { String sql = "select * from my_test"; testExecute(sql, true); } 3.2.1. 查询耗时

27w 数据量用时 37 秒

3.2.2. 内存占用情况

由于是分批获取，所以内存在30-270m波动

3.3. 测试小数据量普通查询 @Test public void testCommonSmallData() throws SQLException { String sql = "select * from my_test limit 100000, 10"; testExecute(sql, false); } 3.3.1. 查询耗时

10 条数据量用时 1 秒

3.4. 测试小数据量流式查询 @Test public void testStreamSmallData() throws SQLException { String sql = "select * from my_test limit 100000, 10"; testExecute(sql, true); } 3.4.1. 查询耗时

10 条数据量用时 1 秒

四、总结

MySQL 流式查询对于内存占用方面的优化还是比较明显的，但是对于查询速度的影响较小，主要用于解决大数据量查询时的内存占用多的场景。

DEMO地址：https://github.com/zlt2000/mysql-stream-query

扫码关注有惊喜！