给你1个亿的数据，如何快速插入数据库？

“凌晨3点，老板突然甩来1个亿——别激动，是1亿条数据！要求天亮前入库且不影响线上业务，你慌不慌？”

在这里小编将手把手拆解Oracle、MySQL、PostgreSQL三大数据库的"暴力写入"黑科技，文末附全网独家的性能横评表，建议DBA速速收藏！

1.插入的担忧

事务风暴：频繁提交导致日志暴涨

索引泥潭：每次插入触发B+树重构

锁争用：行锁/表锁阻塞业务查询

硬件瓶颈：IOPS打满、内存爆仓

真实案例历历在目啊，某制造业工厂因批量导入引发15分钟服务中断，损失超白万！

2.Oracle篇

前置Buff叠满

-- 启用并行DML
ALTER SESSION ENABLE PARALLEL DML;
-- 调整redo日志组
ALTER DATABASE ADD LOGFILE GROUP 4 SIZE 2G;
复制

hint核弹级组合

INSERT /*+ APPEND PARALLEL(users, 32) */ INTO users 
SELECT * FROM external_table;
复制

APPEND 直接路径插入绕过buffer cache
PARALLEL 32 并行度根据CPU核数调整
NOLOGGING 非关键数据可禁用redo

监控TIP

SELECT * FROM v$session_longops
WHERE time_remaining > 0;
复制

SQL*Loader Direct Path Load

sqlldr userid=scott/tiger control=load_data.ctl direct=true
外部表 + INSERT APPEND
CREATE TABLE ext_table (...) ORGANIZATION EXTERNAL (...);
INSERT /*+ APPEND */ INTO target_table SELECT * FROM ext_table;
DML锁机制
ALTER TABLE target_table NOLOGGING; 
复制

性能指标

• 单线程：约 50万行/秒
• 并行模式：可达 200万行/秒

3.MySQL篇

保命三板斧

使用percona-xtrabackup提前热备

SET autocommit=0;
SET unique_checks=0;
SET foreign_key_checks=0;

innodb_flush_log_at_trx_commit = 0
innodb_buffer_pool_size = 32G
bulk_insert_buffer_size = 256M
复制

涡轮增压写入

LOAD DATA INFILE '/data/users.csv' 
INTO TABLE users 
FIELDS TERMINATED BY ',' 
LINES TERMINATED BY '\n';
复制

分而治之战术

split -l 1000000 huge_file.csv
nohup mysqlimport --user=dba --threads=16 db_name parts* &
复制

性能指标

• LOAD DATA：约 50万行/秒

4.PostgreSQL篇

参数调整

wal_level = minimal# 最小化WAL日志
fsync = off# 关闭强制刷盘
max_wal_size = 20GB
checkpoint_timeout = 1h
复制

超级武器COPY

COPY users FROM '/data/users.csv' 
WITH (FORMAT csv, HEADER, DELIMITER ',');

wal_level=minimal 关闭WAL日志
maintenance_work_mem=2GB 提升排序效率
复制

并行插入黑魔法

CREATE TABLE users_new (LIKE users) PARTITION BY RANGE(id);
INSERT INTO users_new SELECT * FROM users_old;

事务优化：
每10万条手动提交
使用UNLOGGED表暂存中间数据
复制

FDW联邦加速

CREATE EXTENSION file_fdw;
CREATE SERVER import_server FOREIGN DATA WRAPPER file_fdw;
CREATE FOREIGN TABLE temp_import (...) SERVER import_server;
复制

性能指标

• COPY 命令：约 100万行/秒
• 并行插入：可达 300万行/秒

4.三大数据库性能对决

结语

"没有最好的方案，只有最合适的场景！你在实战中还用过哪些神仙操作？欢迎在留言区分享