构建高性能Java持久层的14个建议

• Github系列文章地址

• 原文地址

Introduction

一个高性能的数据访问层需要很多关于数据库的内部结构、JDBC、JPA、Hibernate以及很多优化商业应用的技术建议。

SQL Statement Logging:SQL语句日志

如果你正在使用譬如Hibernate或者MyBatis这样的ORM框架，那么可以参考验证执行语句的效率。另外推荐一个 测试中断言机制 可以帮你在提交代码之前就发现很多的查询问题。

Connection management:连接管理

数据库连接一直是数据库中比较耗时的操作，因此建议是务必使用数据库连接池 机制。另外，数据库连接还受到数据库底层的限制，因此也需要合理有效地释放无用的数据库连接。在性能调优中，我们经常需要测试并且设置合理的连接池大小。这里推荐一个FlexyPool工具可以帮助你选择生产环境下合适的连接池大小。

JDBC Batching:批量JDBC操作

JDBC Batching允许在单次数据库连接中发送多个SQL语句。这篇博客里进行了对比可以看出Batch操作的性能提升非常巨大 ，无论是在客户端还是数据库端。 PreparedStatements 是不错的用于Batching操作的选择，像Oracle也仅支持基于PreparedStatements的Batching操作。

JDBC中已经基于PreparedStataement.addBatch 与 PreparedStataement.executeBatch)提供了Batching操作的辅助，不过如果打算手动的构造Batching操作，那么在设计阶段就要考虑到是否需要引入Batching。如果你用的是Hibernate，那么可以用简单的配置就开启Batching，Hibernate 5.2 提供了 Session级别的Batching, 也是非常方便的。

Statement Caching:语句缓存

Statement Caching算是最不常用的几种优化手段之一了，你可以利用PreparedStatements同时在客户端(Driver)或者数据库端同时缓存语句。

Hibernate Identifiers

如果你是使用Hibernate作为ORM工具，那么IDENTITY生成器可能会影响到你的性能，因为它会禁止掉JDBC Batching。Table生成器也不是啥好选择，它会使用独立的事务上下文进行捕获操作，而导致底层的事务日志承受额外的压力，并且导致了每次连接池中的新的请求都需要一个新的Identifier。因此笔者还是推荐SEQUENCE生成器，SQL Server在2012版本之后也开始支持了该生成器。

选择合适的列类型

在数据库设计的时候，我们应该尽可能地选用合适的列类型，这样可以让你的数据库以最合适的方式去索引存储你的数据。譬如在PostgreSQL中你应该使用inet来存放IPv4的地址，特别是Hibernate还允许你自定义数据类型，这样方面和数据库中的列类型一一对应。

Relationships:映射关联

Hibernate提供了很多的关系映射，不过并不是所有的映射都是性能优化的。

我们在开发的过程中需要注意避免单向的关系映射，以及@ManyToMany这种映射。对于集合查询而言，双向的@OneToMany关系才是值得推荐的。

Inheritance:继承

继承是面向对象的语言中的不可或缺的一部分，但这也是关系型数据库与面向对象的语言之间的不协调最甚的地方。JPA提供了譬如SINGLE_TABLE、JOIN以及TABLE_PER_CLASS来处理继承映射的问题，而这几个办法都是各有千秋。

• SINGLE_TABLE在SQL语句中的表现最好，不过不能使用NOT NULL约束，数据完整性的控制较差。

• JOIN 通过更复杂的语句控制来保证了数据的完整性，只要你不使用多态查询或者@OneToMany关系注解，那一切还好。

• 应该避免使用TABLE_PER_CLASS，它基本上无法生成高效的SQL语句。

Persistence Context Size:持久化上下文的大小

在使用JPA或者Hibernate时候，应该随时注意持久化上下文的大小，避免同时管理过多的实体类。通过限制受管实体类的数量，我们可以更好地进行内存管理，而默认的脏检测机制也会有更好的效果。

只获取必要的数据

获取过多的冗余数据可能是导致数据访问层性能下降的原因之一，即使是包含了投影等操作，对于实体的查询应该也是排外的，即不会引入冗余数据的。我们应该只获取那些业务逻辑需要到的数据，这里推荐使用DTO Projections。过早的数据获取以及Open Session In View这种反模式都是要被避免的。

Caching:缓存

关系型数据库使用了很多的内存缓冲结构体来避免大量的磁盘访问，但是我们往往忽略了数据库缓存。我们可以通过调整数据库查询引擎，将更多的内容留于内存中以避免磁盘查询最终明显的减少响应耗时。应用层的缓存则利用高速副本的方式来保证低响应时间。而Second-Level缓存能够有效减少读写事务的响应时间，特别是在主从复制架构中。根据不同的应用取钱，Hibernate提供了 READ_ONLY, NONSTRICT_READ_WRITE, READ_WRITE, 以及 TRANSACTIONAL这几种方式。

Concurrency Control:并发控制

在考虑性能和数据完整性的时候，事务隔离层 就变得至关重要。对于并发较高的应用，需要避免更新失败, 可以使用 乐观锁或者扩展的持久化上下文.

而为了避免 乐观锁中的 false positives, 可以使用 无版本的乐观控制或者基于写属性集的实体划分.

提高数据库查询能力

虽然你是用了JPA或者Hibernate，但是你可以用一些原生查询，建议是好好利用Window Functions, CTE (Common Table Expressions), CONNECT BY, PIVOT等等。这些工具能够避免你一次性传输过多的数据进入应用层，如果你可以把这个操作托付给数据库层进行，那么可以仅关心最终的结果，从而节约了磁盘IO与网络带宽。

集群扩展

关系型数据库能够方便地进行扩展，像Facebook、Twitter、Pinterest这些大公司都扩展了数据库系统：

数据副本与分片是两种常用的增加吞吐量的扩展方式，你应该合理的组合应用这些方式从而提高你的商业应用的能力。