Java与MyBatis-Plus批量操作最佳实践与性能优化指南

在业务系统开发中，批量操作是一个高频且关键的技术场景。

• 批量导入用户
• 批量更新订单状态
• 批量删除无效数据
• 批量上下架商品

然而，现实项目中超过80%的批量操作实现都存在性能或稳定性问题：

• 在for循环中执行单条insert
• 一次提交十万级数据导致数据库连接池耗尽或事务过大
• 将批量更新写成N次独立的update语句
• 使用DELETE ... WHERE id IN (...)处理大量数据导致SQL过长或锁表
• 操作过大的List直接引发内存溢出(OOM)

本质上，批量操作的核心挑战并非SQL语法，而是工程化设计与性能调优能力。本文将系统性地阐述MyBatis-Plus框架下批量插入、更新、删除的标准化写法，并提供可落地的性能优化方案。

1

批量操作常见问题分析

1. 数据量过大，单次操作压力过高

一次性执行上万条的insert、update或delete语句，极易导致数据库连接卡顿、事务日志膨胀，甚至触发死锁。

2. 在循环中执行SQL语句

for (...) {
    mapper.insert(item);
}

这是最典型的反模式：性能极差、无法利用数据库批处理能力、可能引发严重的锁竞争。

3. 不了解框架与驱动的批处理机制

许多开发者误以为MyBatis-Plus的saveBatch、updateBatchById等方法能处理所有场景，却忽视了其内部实现原理以及更底层的JDBC Batch模式对性能的决定性影响。

2

批量插入：三层级标准方案

批量插入是最易引发性能问题的场景。核心原则是：必须结合分批处理、JDBC批处理模式与合理的事务控制。

以下提供三种从通用到高性能的解决方案。

方案一：MyBatis-Plus 原生 saveBatch()（通用推荐）

对于大多数后台管理系统，MyBatis-Plus提供的批插入方法已足够使用：

boolean result = userService.saveBatch(list, 500);

其中，参数500代表批处理大小（batchSize）。

执行流程：

1. 框架将列表按batchSize拆分为多个子集。
2. 每个子集执行一次INSERT语句（利用foreach生成多值SQL或JDBC批处理，取决于配置）。
3. 性能可满足日常业务需求。

关键提示：切勿一次性提交数万条数据，将batchSize设置在500~1000是经验证的最佳区间。

适用场景：

• 数据量在5万条以下。
• 后台管理系统的数据导入功能。
• 常规的CRUD业务。

局限性：

• 海量数据（如50万以上）迁移或导入。
• 对性能有极致要求的高频写入任务。
• 需要基于唯一键进行去重插入的场景。

方案二：Mapper XML + MyBatis foreach（SQL可控）

当需要更精细地控制生成的SQL时，可在XML映射文件中直接编写：

<insert id="batchInsert">
    INSERT INTO user (username, phone)
    VALUES
    <foreach collection="list" item="item" separator=",">
        (#{item.username}, #{item.phone})
    </foreach>
</insert>

优点：

• SQL语句完全可控，适合复杂字段映射。
• 将多条数据合并为一条INSERT ... VALUES (...), (...), ...语句，执行效率高于循环单插。
• 性能通常优于saveBatch()的默认行为。

缺点：

• 当列表过大时，拼接的SQL语句会非常长，可能超出数据库或驱动限制。
• 需要手动实现分批逻辑（可按foreach的collection大小进行切分）。

方案三：JDBC Batch（极致性能）

面对数十万乃至百万级的数据写入，应直接使用JdbcTemplate或原生JDBC的批处理功能，这是数据库/中间件性能调优的重要手段。

jdbcTemplate.batchUpdate(
    "INSERT INTO user (username, phone) VALUES (?, ?)",
    new BatchPreparedStatementSetter() {
        public void setValues(PreparedStatement ps, int i) throws SQLException {
            User user = list.get(i);
            ps.setString(1, user.getUsername());
            ps.setString(2, user.getPhone());
        }
        public int getBatchSize() {
            return list.size();
        }
    });

原理：JDBC批处理模式只需向数据库发送一次SQL模板，后续仅传输参数数据，极大减少了网络IO与数据库SQL解析开销。

适用场景：

• 历史数据迁移。
• 从文件（Excel/CSV）导入海量数据。
• 定时生成的报表数据入库。

3

批量更新

批量更新比插入更容易被误用，典型的低效写法是：

for (User u : list) {
    updateById(u);
}

方案一：MyBatis-Plus updateBatchById()

对于按ID更新多条记录，且更新字段相同的简单场景：

userService.updateBatchById(list, 500);

适用：批量启用/禁用、批量修改状态等。 不适用：每条记录更新的字段不同、WHERE条件复杂、大表高频并发更新。

方案二：批量更新相同字段（高效推荐）

例如“批量上架商品”，只更新status字段：

<update id="batchUpdateStatus">
    UPDATE product
    SET status = #{status}
    WHERE id IN
    <foreach collection="ids" item="id" open="(" close=")" separator=",">
        #{id}
    </foreach>
</update>

优势：一条SQL完成所有更新，网络交互少，数据库/中间件执行效率高。 场景：批量审批、批量改价（统一价格）、批量标记已读等。

方案三：批量更新不同字段（高级用法）

当每条记录需要更新的字段值都不同时，可以采用foreach生成多条UPDATE语句：

<update id="batchUpdatePrice">
    <foreach collection="list" item="item" separator=";">
        UPDATE product
        SET price = #{item.price}
        WHERE id = #{item.id}
    </foreach>
</update>

关键配置：必须开启数据库连接参数，允许执行多条SQL（以MySQL为例）：

jdbc:mysql://...?allowMultiQueries=true

适用：导入Excel后，每条记录有独立的新价格需要更新。 注意：此方式生成的SQL较长，不适合一次更新上万条记录。

4

批量删除

直接使用超长的IN语句进行删除是危险操作：

DELETE FROM user WHERE id IN (1,2,3,...);

风险：IN列表超过1000项某些数据库会报错；SQL超长；删除量过大直接锁表。

推荐方案一：分批删除

使用工具类将ID列表分片后，循环调用MyBatis-Plus的删除方法。

Lists.partition(ids, 500).forEach(batch -> {
    userMapper.deleteBatchIds(batch);
});

此方案稳健，易于理解和维护。

推荐方案二：软删除（企业级通用）

绝大多数业务系统采用软删除设计，通过is_deleted字段标记数据状态。

UPDATE user SET is_deleted = 1 WHERE id IN (...);

优点：

• 避免硬删除导致的表锁和性能波动。
• 数据可恢复，满足审计要求。
• 对业务连续性影响最小。

推荐方案三：按范围或分页删除（处理海量数据）

对于日志、流水等大数据表，直接按条件范围删除。

-- 按ID范围删除
DELETE FROM log WHERE id BETWEEN 1 AND 50000;
-- 按时间分页删除
DELETE FROM log WHERE create_time < '2022-01-01' LIMIT 10000;

这是清理历史数据的标准做法，能有效控制单次操作的事务大小和锁范围。

5

大批量操作通用模板

一个健壮的批量操作应遵循以下模板，适用于插入、更新、删除及导入场景：

1. 参数校验：检查输入列表是否为空。
2. 数据分批：使用固定大小（如500）对原始列表进行分片。
3. 遍历执行：对每个分片的数据执行具体的批处理SQL。
4. 事务控制：确保整个批量操作在一个合理的事务内完成，避免单条失败导致部分提交。
5. 异常处理：捕获批处理异常，记录失败数据，支持重试或人工干预。

此模板可直接作为团队开发规范。

6

批量操作性能优化核心建议

1. 强制分批：始终设置合理的batchSize（500~1000），这是线上大量实践得出的黄金值。
2. 禁用自动提交：在批处理执行期间，务必确保处于手动事务控制下，待所有批次成功后再统一提交。
3. 避免大范围锁：严禁在无WHERE条件或条件过泛的情况下执行更新/删除，如UPDATE table SET status=1。
4. 大表操作使用LIMIT：对于海量数据删除，采用DELETE ... WHERE ... LIMIT n分多次执行，避免长事务和锁表。
5. 慎用DELETE IN：严格控制IN子句内的元素数量，优先采用分批或范围删除方案。

总结

批量操作的本质是工程化问题，它综合考验开发者对数据库性能、SQL特性、事务机制、框架批处理原理及内存管理的理解。

本文系统介绍了针对MyBatis-Plus和Java技术栈的批量操作标准化方案，并提供了从通用到高阶、从插入到删除的完整实践指南与性能调优建议。遵循此体系，无论是处理数据导入、状态同步还是历史清理，都能使你的系统在稳定性、效率与可维护性上达到企业级要求。