Hibernate优化查询策略

有很多人认为Hibernate天生效率比较低,确实,在普遍情况下,需要将执行转换为SQL语句的

Hibernate的效率低于直接JDBC存取,然 而,在经过比较好的性能优化之后,Hibernate的性能还是让

人相当满意的,特别是应用二级缓存之后,甚至可以获得比较不使用缓存的JDBC更好的性 能,下面

介绍一些通常的Hibernate的优化策略:

1.抓取优化

抓取是指Hibernate如何在关联关系之间进行导航的时候,Hibernate如何获取关联对象的策略,其主要

定义了两个方面:如何抓取和何时抓取

1)如何抓取。

Hibernate3主要有两种种抓取方式,分.应用于对象关联实例(many-to-one、one-to-one)和对象关联集合

(set、map等),总共是四种变种

JOIN抓取: 通过在SELECT语句中使用OUTER JOIN来获得对象的关联实例或者关联集合)

SELECT抓取: 另外发送一条SELECT语句来抓取当前对象的关联实体和集合

在我的开发经历中,此处对性能的优化是比较有限的,并不值得过多关注

例: A.应用于对象关联实例(默认是false) <many-to-one name=".." outer-join="true/false/auto" .../> B.应用于对象关联集合(默认是auto) <set name=".." fetch="join/select" ... > .... </set> 2)何时抓取 主要分为延迟加载和立即抓取,默认的情况下Hibernate3对对象关联实采用延迟加载,普通属性采用立

即抓取,通过延迟加载和采用适当的抓取粒度,与不采用优化相比往往可以将性能提升数倍

立即抓取:当抓取宿主对象时,同时抓取其关联对象和关联集以及属性

延迟加载:当抓取宿主对象时,并不抓取其关联对象,而是当对其对象进行调用时才加载

例: A.应用于对象关联实例(默认是延迟加载) <many-to-one name=".." lazy="true/false" .../> B.应用于对象关联集合(默认是延迟加载) <set name=".." lazy="true/false" ... > .... </set> 对于延迟加载,需要注意的时,对延迟对象的使用必须在Session关闭之前进行,Hibernate的

LazyInitalizationException往往就是由于在Session的生命期外使用了延迟加载的对象。当我们进行Web

开发时,可以使用 OpenSessionInView模式,当请求开始时打开session,当请求响应结束时才关闭

session,不过,在使用 OpenSessionInView模式时,需要注意如果响应时间比较长(业务比较复杂或

者客户端是低速网络),将Session资源(也就是数据库的连 接)占用太久的话可以会导致资源耗尽

3)抓取粒度 抓取粒度指的是对象在关联关系之间被导航时一次预先加载的数量,Hibernate程序的性能比较差往往

就在于没有对抓取粒度仔细考虑,当加载一个列表并在列表中的每个对象中对其关联进行导航时,往

往导致N+1条SQL语句查询。 例: A.应用于对象关联实例(默认为1),注意,对对象关联实例的设置是在被关联的对象之上的,譬如 class User { Group g; } 那么抓取粒度应该在Group的配置文件之上,见下 <class name="Group" table="group" batch-size=".."> ... </class> 对该值并没有一个约定俗成的值,根据情况而定,如果被关联表数据比较少,则可以设置地小一

些,3-20,如果比较大则可以设到30-50,注意的时候,并不是越多越好,当其值超过50之后,对性能

并没有多大改善但却无谓地消耗内存

假设有如下例子: List<User> users = query.list(); 如果有20个User,并对这20个User及其Group进行遍历,如果不设置batch-size(即batch-size="1"),

则在最糟糕的情况下,需要1 + 20条SQL语句,如果设置batch-size="10",则最好的情况下只需要

1 + 2条SQL语句 B.应用于对象关联集合(默认为1) <set name=".." batch-size="" ... > .... </set> 2.二级缓存 Hibernate对数据的缓存包括两个级:一级缓存,在Session的级别上进行,主要是对象缓存,以其id为

键保存对象,在Session 的生命期间存在;二级缓存,在SessionFactory的级别上进行,有对象缓存和

查询缓存,查询缓存以查询条件为键保存查询结果,在 SessionFactory的生命期间存在。默认

地,Hibernate只启用一级缓存,通过正确地使用二级缓存,往往可以获得意想不到的性能。

1)对象缓存: 当抓取一个对象之后,Hiberate将其以id为键缓存起来,当下次碰到抓取id相同的对象时,可以使用如

下配置 方法1:在缓存对象上配置 <class ...> <cache useage="read-only/write/...." regions="group" /> </class> useage表示使用什么类型的缓存,譬如只读缓存、读写缓存等等(具体参见Hibernate参考指南),值

得注意的时,有部分缓存在 Hibernate的实现中不支持读写缓存,譬如JBossCache在Hibernate的实现

中只是一种只读缓存,具体缓存实现对缓存类型的支持情 况,可以参见org.hibernate.cache包 regions

表示缓存分块,大部分的缓存实现往往对缓存进行分块,该部分是可选的,详细参见各缓存实现

方法2:在hibernate.cfg.xml中配置 <cache class=".." useage=".." regions=".."/> 我认为第二种更好,可以统一管理 2)查询缓存 查询时候将查询结果以查询条件为键保存起来,需要配置如下 A.在hibernate.cfg.xml中配置(启用查询缓存) <property name="hibernate.cache.use_query_cache">true</property> (前面的属性名可参见常量

org.hibernate.cfg.Enviroment.USE_QUERY_CACHE) B.程序 query.setCacheable(true); query.setCacheRegions(...); 需要注意的是,查询缓存与对象缓存要结合更有效,因为查询缓存仅缓存查询结果列表的主键数据一般情

况下在开发中,对一些比较稳定而又被频繁引用的数据,譬如数据字典之类的,将其进行二级缓存,

对一些查询条件和查询数据变化不频繁而又常常 被使用的查询,将其进行二级缓存。由于二级缓存是

放在内存中,而且Hibernate的缓存不是弱引用缓存(WeekReference),所以注意不要 将大块的数据

放入其中,否则可能会被内存造成比较大的压力。

3.批量数据操作 当进行大批量数据操作(几万甚至几十几百万)时,需要注意两点,一,批量提交,二,及时清除不

需要的一级缓存数据 1)所谓的批量提交,就是不要频繁使用session的flush,每一次进行flush,Hibernate将PO数据于数据

库进行同步,对于 海量级数据操作来说是性能灾难(同时提交几千条数据和提交一条数据flush一次性

能差别可能会是几十倍的差异)。一般将数据操作放在事务中,当事务提交 时Hibernate自动帮你进行

flush操作。 2)及时清除不需要的一级缓存数据:由于Hibernate默认采用一级缓存,而在session的生命期间,所

有数据抓取之后会放入一级缓存中,而当数据规模比较庞大时,抓取到内存中的数据会让内存压力非

常大,一般分批操作数据,被一次操作之后将一级缓存清除,譬如 session.clear(User.class) 4.杂项 dynamic-insert,dynamic-update,动态插入和动态更新,指的是让Hibernate插入数据时仅插入非空数

据,当修改数据时只修改变化的数据,譬如对于

class User { id username password }

如果u.id=1, u.username="ayufox",u.password=null,那么如果不设置动态插入,则其sql语句是insert

into users(id, username, password) values (1, 'ayufox', '),如果设置则其sql语句是insert into users(username) valeus('ayufox') 在如上的情况下,如果修改u.password='11',那么如果不设置动态更新,则sql语句为

update users set username='ayufox', password='11' where id = 1,如果设置则为

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

设置是在class的映射文件中,如下 <class name="User" table="users" dynamic=insert="true/false" dynamic-update="true/false" ...> </class> 该设置对性能的提升比较有限

发布了14 篇原创文章 · 获赞 6 · 访问量 6万+
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