Hibernate優化查詢策略

有很多人認爲Hibernate天生效率比較低,確實,在普遍情況下,需要將執行轉換爲SQL語句的

Hibernate的效率低於直接JDBC存取,然 而,在經過比較好的性能優化之後,Hibernate的性能還是讓

人相當滿意的,特別是應用二級緩存之後,甚至可以獲得比較不使用緩存的JDBC更好的性 能,下面

介紹一些通常的Hibernate的優化策略:

1.抓取優化

抓取是指Hibernate如何在關聯關係之間進行導航的時候,Hibernate如何獲取關聯對象的策略,其主要

定義了兩個方面:如何抓取和何時抓取

1)如何抓取。

Hibernate3主要有兩種種抓取方式,分.應用於對象關聯實例(many-to-one、one-to-one)和對象關聯集合

(set、map等),總共是四種變種

JOIN抓取: 通過在SELECT語句中使用OUTER JOIN來獲得對象的關聯實例或者關聯集合)

SELECT抓取: 另外發送一條SELECT語句來抓取當前對象的關聯實體和集合

在我的開發經歷中,此處對性能的優化是比較有限的,並不值得過多關注

例: A.應用於對象關聯實例(默認是false) <many-to-one name=".." outer-join="true/false/auto" .../> B.應用於對象關聯集合(默認是auto) <set name=".." fetch="join/select" ... > .... </set> 2)何時抓取 主要分爲延遲加載和立即抓取,默認的情況下Hibernate3對對象關聯實採用延遲加載,普通屬性採用立

即抓取,通過延遲加載和採用適當的抓取粒度,與不採用優化相比往往可以將性能提升數倍

立即抓取:當抓取宿主對象時,同時抓取其關聯對象和關聯集以及屬性

延遲加載:當抓取宿主對象時,並不抓取其關聯對象,而是當對其對象進行調用時才加載

例: A.應用於對象關聯實例(默認是延遲加載) <many-to-one name=".." lazy="true/false" .../> B.應用於對象關聯集合(默認是延遲加載) <set name=".." lazy="true/false" ... > .... </set> 對於延遲加載,需要注意的時,對延遲對象的使用必須在Session關閉之前進行,Hibernate的

LazyInitalizationException往往就是由於在Session的生命期外使用了延遲加載的對象。當我們進行Web

開發時,可以使用 OpenSessionInView模式,當請求開始時打開session,當請求響應結束時才關閉

session,不過,在使用 OpenSessionInView模式時,需要注意如果響應時間比較長(業務比較複雜或

者客戶端是低速網絡),將Session資源(也就是數據庫的連 接)佔用太久的話可以會導致資源耗盡

3)抓取粒度 抓取粒度指的是對象在關聯關係之間被導航時一次預先加載的數量,Hibernate程序的性能比較差往往

就在於沒有對抓取粒度仔細考慮,當加載一個列表並在列表中的每個對象中對其關聯進行導航時,往

往導致N+1條SQL語句查詢。 例: A.應用於對象關聯實例(默認爲1),注意,對對象關聯實例的設置是在被關聯的對象之上的,譬如 class User { Group g; } 那麼抓取粒度應該在Group的配置文件之上,見下 <class name="Group" table="group" batch-size=".."> ... </class> 對該值並沒有一個約定俗成的值,根據情況而定,如果被關聯表數據比較少,則可以設置地小一

些,3-20,如果比較大則可以設到30-50,注意的時候,並不是越多越好,當其值超過50之後,對性能

並沒有多大改善但卻無謂地消耗內存

假設有如下例子: List<User> users = query.list(); 如果有20個User,並對這20個User及其Group進行遍歷,如果不設置batch-size(即batch-size="1"),

則在最糟糕的情況下,需要1 + 20條SQL語句,如果設置batch-size="10",則最好的情況下只需要

1 + 2條SQL語句 B.應用於對象關聯集合(默認爲1) <set name=".." batch-size="" ... > .... </set> 2.二級緩存 Hibernate對數據的緩存包括兩個級:一級緩存,在Session的級別上進行,主要是對象緩存,以其id爲

鍵保存對象,在Session 的生命期間存在;二級緩存,在SessionFactory的級別上進行,有對象緩存和

查詢緩存,查詢緩存以查詢條件爲鍵保存查詢結果,在 SessionFactory的生命期間存在。默認

地,Hibernate只啓用一級緩存,通過正確地使用二級緩存,往往可以獲得意想不到的性能。

1)對象緩存: 當抓取一個對象之後,Hiberate將其以id爲鍵緩存起來,當下次碰到抓取id相同的對象時,可以使用如

下配置 方法1:在緩存對象上配置 <class ...> <cache useage="read-only/write/...." regions="group" /> </class> useage表示使用什麼類型的緩存,譬如只讀緩存、讀寫緩存等等(具體參見Hibernate參考指南),值

得注意的時,有部分緩存在 Hibernate的實現中不支持讀寫緩存,譬如JBossCache在Hibernate的實現

中只是一種只讀緩存,具體緩存實現對緩存類型的支持情 況,可以參見org.hibernate.cache包 regions

表示緩存分塊,大部分的緩存實現往往對緩存進行分塊,該部分是可選的,詳細參見各緩存實現

方法2:在hibernate.cfg.xml中配置 <cache class=".." useage=".." regions=".."/> 我認爲第二種更好,可以統一管理 2)查詢緩存 查詢時候將查詢結果以查詢條件爲鍵保存起來,需要配置如下 A.在hibernate.cfg.xml中配置(啓用查詢緩存) <property name="hibernate.cache.use_query_cache">true</property> (前面的屬性名可參見常量

org.hibernate.cfg.Enviroment.USE_QUERY_CACHE) B.程序 query.setCacheable(true); query.setCacheRegions(...); 需要注意的是,查詢緩存與對象緩存要結合更有效,因爲查詢緩存僅緩存查詢結果列表的主鍵數據一般情

況下在開發中,對一些比較穩定而又被頻繁引用的數據,譬如數據字典之類的,將其進行二級緩存,

對一些查詢條件和查詢數據變化不頻繁而又常常 被使用的查詢,將其進行二級緩存。由於二級緩存是

放在內存中,而且Hibernate的緩存不是弱引用緩存(WeekReference),所以注意不要 將大塊的數據

放入其中,否則可能會被內存造成比較大的壓力。

3.批量數據操作 當進行大批量數據操作(幾萬甚至幾十幾百萬)時,需要注意兩點,一,批量提交,二,及時清除不

需要的一級緩存數據 1)所謂的批量提交,就是不要頻繁使用session的flush,每一次進行flush,Hibernate將PO數據於數據

庫進行同步,對於 海量級數據操作來說是性能災難(同時提交幾千條數據和提交一條數據flush一次性

能差別可能會是幾十倍的差異)。一般將數據操作放在事務中,當事務提交 時Hibernate自動幫你進行

flush操作。 2)及時清除不需要的一級緩存數據:由於Hibernate默認採用一級緩存,而在session的生命期間,所

有數據抓取之後會放入一級緩存中,而當數據規模比較龐大時,抓取到內存中的數據會讓內存壓力非

常大,一般分批操作數據,被一次操作之後將一級緩存清除,譬如 session.clear(User.class) 4.雜項 dynamic-insert,dynamic-update,動態插入和動態更新,指的是讓Hibernate插入數據時僅插入非空數

據,當修改數據時只修改變化的數據,譬如對於

class User { id username password }

如果u.id=1, u.username="ayufox",u.password=null,那麼如果不設置動態插入,則其sql語句是insert

into users(id, username, password) values (1, 'ayufox', '),如果設置則其sql語句是insert into users(username) valeus('ayufox') 在如上的情況下,如果修改u.password='11',那麼如果不設置動態更新,則sql語句爲

update users set username='ayufox', password='11' where id = 1,如果設置則爲

update user set password='11' where d = 1

設置是在class的映射文件中,如下 <class name="User" table="users" dynamic=insert="true/false" dynamic-update="true/false" ...> </class> 該設置對性能的提升比較有限

發佈了14 篇原創文章 · 獲贊 6 · 訪問量 6萬+
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章