1.1 MyBatis批量操作的基本概念
批量操作就像打包快递。单件寄送需要反复填写面单、称重、贴标签，而批量寄送可以一次性处理多个包裹。MyBatis批量操作也是类似原理，它允许我们在一次数据库交互中执行多条SQL语句。
想象你面前有1000本书需要录入图书馆系统。逐本录入意味着要与数据库建立1000次连接、执行1000次插入操作。批量操作则把这些书打包成一批，一次性地送进数据库。这种处理方式显著减少了网络开销和数据库连接次数。
MyBatis提供了多种实现批量操作的方式。最常用的是foreach标签，它能在SQL语句中循环处理集合数据。还有BatchExecutor执行器，专门为批量操作设计，能缓存多个SQL语句一次性提交。
记得我第一次接触批量操作时，面对一个需要导入上万条用户数据的任务。最初采用单条插入的方式，程序运行了将近20分钟。改用批量操作后，同样的数据量只需要30秒左右。这种效率提升让我真正理解了批量操作的价值。
1.2 批量操作在Java应用中的重要性
在Java企业级应用中，数据处理效率直接影响用户体验和系统性能。批量操作不是锦上添花的功能，而是处理大量数据时的必备技能。
从技术层面看，每次数据库操作都涉及网络传输、SQL解析、执行计划生成等开销。批量操作将这些开销分摊到多条数据上，大幅降低了单条数据的处理成本。特别是在微服务架构中，减少数据库访问次数能有效降低系统整体负载。
数据一致性也是批量操作的重要优势。想象银行夜间批量处理转账业务，要么全部成功，要么全部回滚。这种原子性保证了业务的完整性。
我参与过的一个电商项目就深有体会。促销活动期间，系统需要同时更新数万用户的积分。如果没有批量操作的支持，数据库连接池很可能被耗尽，导致整个系统瘫痪。
1.3 Java优学网中批量操作的典型应用场景
Java优学网作为技术学习平台，批量操作的应用无处不在。用户学习记录的批量更新、课程资源的批量导入、考试结果的批量计算，都需要高效的批量处理能力。
课程资料导入是个典型例子。新学期开始时，教学管理员需要将数百门课程的资源信息导入系统。使用MyBatis批量插入，可以在几分钟内完成所有数据的录入，而传统逐条插入可能需要数小时。
用户行为分析也依赖批量操作。平台每天产生大量学习日志，包括视频观看记录、习题作答情况、页面停留时间等。夜间批处理作业会将这些数据批量导入分析系统，为个性化推荐提供支持。
批量数据维护同样重要。定期清理过期试听记录、归档历史学习数据、更新用户等级信息，这些维护任务都通过批量操作高效完成。
在Java优学网的开发过程中，我们发现合理使用批量操作能让系统在处理峰值流量时更加从容。这种技术积累最终转化为了更好的用户体验。
INSERT INTO users (name, email, create_time) VALUES
<foreach collection="list" item="user" separator=",">
(#{user.name}, #{user.email}, #{user.createTime})
</foreach>
@Configuration public class DataSourceConfig {
@Bean
public DataSource dataSource() {
HikariConfig config = new HikariConfig();
config.setMaximumPoolSize(50); // 根据业务峰值调整
config.setMinimumIdle(10); // 维持一定数量的空闲连接
config.setConnectionTimeout(30000); // 批量操作需要更长的超时时间
config.setIdleTimeout(600000); // 避免频繁创建销毁连接
config.setMaxLifetime(1800000); // 连接最大生命周期
return new HikariDataSource(config);
}
}
@Slf4j @Service public class LearningRecordArchiveService {
@Autowired
private LearningRecordMapper learningRecordMapper;
@Autowired
private ArchiveRecordMapper archiveRecordMapper;
public ArchiveResult archiveLastMonthRecords(LocalDate archiveDate) {
ArchiveResult result = new ArchiveResult();
int batchSize = 1000;
Long lastId = 0L;
try {
// 分批查询源数据
while (true) {
List<LearningRecord> batchRecords =
learningRecordMapper.findByDateRangeAndId(
archiveDate.minusMonths(1),
archiveDate,
lastId,
batchSize
);
if (batchRecords.isEmpty()) break;
// 数据转换和验证
List<ArchiveRecord> archiveBatch = convertToArchiveRecords(batchRecords);
// 批量插入归档库
archiveRecordMapper.batchInsert(archiveBatch);
// 记录处理进度
result.addProcessedCount(batchRecords.size());
lastId = batchRecords.get(batchRecords.size() - 1).getId();
// 每处理10个批次记录一次日志
if (result.getProcessedCount() % (batchSize * 10) == 0) {
log.info("已归档 {} 条记录", result.getProcessedCount());
}
}
// 标记归档完成
markArchiveCompleted(archiveDate);
result.setSuccess(true);
} catch (Exception e) {
log.error("归档过程发生异常", e);
result.setSuccess(false);
result.setErrorMessage(e.getMessage());
}
return result;
}
}