Hibernate性能优化

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，分别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OUTERJOIN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-onename=".."outer-join="true/false/auto".../>

B.应用于对象关联集合（默认是auto）

<setname=".."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-onename=".."lazy="true/false".../>

B.应用于对象关联集合（默认是延迟加载）

<setname=".."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

classUser

{

Groupg;

}

那么抓取粒度应该在Group的配置文件之上，见下

<classname="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）

<setname=".."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...>

<cacheuseage="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

<cacheclass=".."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）

<propertyname="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

classUser

{

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insertintousers(id,username,password)values(1,'ayufox',')，如果设置则其sql语句是insertintousers(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updateuserssetusername='ayufox',password='11'whereid=1，如果设置则为updateusersetpassword='11'whered=1

设置是在class的映射文件中，如下

<classname="User"table="users"dynamic-insert="true/false"dynamic-update="true/false"...>

</class>

在处理大数据量时，会有大量的数据缓冲保存在 Session 的一级缓存中，这缓存大太时会严重显示性能，所以在使用 Hibernate 处理大数据量的，可以使用 session.clear() 或者 session. Evict(Object) 在处理过程中，清除全部的缓存或者清除某个对象。

2)对大数据量查询时，慎用list()或者iterator()返回查询结果，

1.使用List()返回结果时，Hibernate会所有查询结果初始化为持久化对象，结果集较大时，会占用很多的处理时间。

2.而使用iterator()返回结果时，在每次调用iterator.next()返回对象并使用对象时，Hibernate才调用查询将对应的对象初始化，对于大数据量时，每调用一次查询都会花费较多的时间。当结果集较大，但是含有较大量相同的数据，或者结果集不是全部都会使用时，使用iterator()才有优势。

3.对于大数据量，使用qry.scroll()可以得到较好的处理速度以及性能。而且直接对结果集向前向后滚动。

3)对于关联操作，Hibernate虽然可以表达复杂的数据关系，但请慎用，使数据关系较为简单时会得到较好的效率，特别是较深层次的关联时，性能会很差。

4)对含有关联的PO（持久化对象）时，若default-cascade="all"或者“save-update”，新增PO时，请注意对PO中的集合的赋值操作，因为有可能使得多执行一次update操作。

5)在一对多、多对一的关系中，使用延迟加载机制，会使不少的对象在使用时才会初始化，这样可使得节省内存空间以及减少数据库的负荷，而且若PO中的集合没有被使用时，就可减少互数据库的交互从而减少处理时间。

6)对于大数据量新增、修改、删除操作或者是对大数据量的查询，与数据库的交互次数是决定处理时间的最重要因素，减少交互的次数是提升效率的最好途径，所以在开发过程中，请将show_sql设置为true，深入了解Hibernate的处理过程，尝试不同的方式，可以使得效率提升。

7)Hibernate是以JDBC为基础，但是Hibernate是对JDBC的优化，其中使用Hibernate的缓冲机制会使性能提升，如使用二级缓存以及查询缓存，若命中率较高明，性能会是到大幅提升。

8)Hibernate可以通过设置hibernate.jdbc.fetch_size，hibernate.jdbc.batch_size等属性，对Hibernate进行优化。

9)不过值得注意的是，一些数据库提供的主键生成机制在效率上未必最佳，大量并发insert数据时可能会引起表之间的互锁。数据库提供的主键生成机制，往往是通过在一个内部表中保存当前主键状态（如对于自增型主键而言，此内部表中就维护着当前的最大值和递增量），之后每次插入数据会读取这个最大值，然后加上递增量作为新记录的主键，之后再把这个新的最大值更新回内部表中，这样，一次Insert操作可能导致数据库内部多次表读写操作，同时伴随的还有数据的加锁解锁操作，这对性能产生了较大影响。

因此，对于并发Insert要求较高的系统，推荐采用uuid.hex作为主键生成机制。

10)DynamicUpdate如果选定，则生成UpdateSQL时不包含未发生变动的字段属性，这样可以在一定程度上提升SQL执行效能.DynamicInsert如果选定，则生成InsertSQL时不包含未发生变动的字段属性，这样可以在一定程度上提升SQL执行效能

11)在编写代码的时候请，对将POJO的getter/setter方法设定为public，如果设定为private，Hibernate将无法对属性的存取进行优化，只能转而采用传统的反射机制进行操作，这将导致大量的性能开销（特别是在1.4之前的SunJDK版本以及IBMJDK中，反射所带来的系统开销相当可观）。

12)在one-to-many关系中，将many一方设为主动方（inverse=false）将有助性能的改善

13)由于多对多关联的性能不佳（由于引入了中间表，一次读取操作需要反复数次查询），因此在设计中应该避免大量使用.

14)Hibernate支持两种锁机制：即通常所说的“悲观锁（PessimisticLocking）”和“乐观锁（OptimisticLocking）”。悲观锁带来数据库性能的大量开销，特别是对长事务而言，这样的开销往往无法承受。乐观锁机制在一定程度上解决了这个问题.乐观锁机制避免了长事务中的数据库加锁开销,大大提升了大并发量下的系统整体性能表现。

------------------------------------

一。inverse=?

inverse=false(default)

用于单向one-to-many关联

parent.getChildren().add(child)//insertchild

parent.getChildren().delete(child)//deletechild

inverse=true

用于双向one-to-many关联

child.setParent(parent);session.save(child)//insertchild

session.delete(child)

在分层结构的体系中

parentDao,childDao对于CRUD的封装导致往往直接通过session接口持久化对象，而很少通过关联对象可达性

二。one-to-many关系

单向关系还是双向关系？

parent.getChildren().add(child)对集合的触及操作会导致lazy的集合初始化，在没有对集合配置二级缓存的情况下，应避免此类操作

select*fromchildwhereparent_id=xxx;

性能口诀：

1.一般情况下避免使用单向关联，尽量使用双向关联

2.使用双向关联，inverse=“true”

3.在分层结构中通过DAO接口用session直接持久化对象，避免通过关联关系进行可达性持久化

三。many-to-one关系

单向many-to-one表达了外键存储方

灵活运用many-to-one可以避免一些不必要的性能问题

many-to-one表达的含义是：0..n:1，many可以是0，可以是1，也可以是n，也就是说many-to-one可以表达一对多，一对一，多对一关系

因此可以配置双向many-to-one关系，例如：

1.一桌四人打麻将，麻将席位和打麻将的人是什么关系？是双向many-to-one的关系

四。one-to-one

通过主键进行关联

相当于把大表拆分为多个小表

例如把大字段单独拆分出来，以提高数据库操作的性能

Hibernate的one-to-one似乎无法lazy，必须通过bytecodeenhancement

五。集合List/Bag/Set

one-to-many

1.List需要维护indexcolumn，不能被用于双向关联，必须inverse=“false”，被谨慎的使用在某些稀有的场合

2.Bag/Set语义上没有区别

3.我个人比较喜欢使用Bag

many-to-many

1.Bag和Set语义有区别

2。建议使用Set

六。集合的过滤

1.children=session.createFilter(parent.getChildren(),“wherethis.age>5andthis.age<10”).list()

针对一对多关联当中的集合元素非常庞大的情况，特别适合于庞大集合的分页：

session.createFilter(parent.getChildren(),“”).setFirstResult(0).setMaxResults(10).list();

在hibernate中用super.getSession().createFilter(,)

七。继承关系当中的隐式多态

HQL:fromObject

1.把所有数据库表全部查询出来

2.polymorphism=“implicit”(default)将当前对象，和对象所有继承子类全部一次性取出

3.polymorphism=“explicit”，只取出当前查询对象

八。Hibernate二级缓存

著名的n+1问题：fromChild，然后在页面上面显示每个子类的父类信息，就会导致n条对parent表的查询：

select*fromparentwhereid=?

.......................

select*fromparentwhereid=?

解决方案

1.eagerfetch

2.二级缓存

九。inverse和二级缓存的关系

当使用集合缓存的情况下：

1.inverse=“false”，通过parent.getChildren()来操作，Hibernate维护集合缓存

2.inverse=“true”，直接对child进行操作，未能维护集合缓存！导致缓存脏数据

3.双向关联，inverse=“true”的情况下应避免使用集合缓存

十。Hibernate二级缓存是提升web应用性能的法宝

OLTP类型的web应用，由于应用服务器端可以进行群集水平扩展，最终的系统瓶颈总是逃不开数据库访问；

哪个框架能够最大限度减少数据库访问，降低数据库访问压力，哪个框架提供的性能就更高；针对数据库的缓存策略：

1.对象缓存：细颗粒度，针对表的记录级别，透明化访问，在不改变程序代码的情况下可以极大提升web应用的性能。对象缓存是ORM的制胜法宝。

2.对象缓存的优劣取决于框架实现的水平，Hibernate是目前已知对象缓存最强大的开源ORM

3.查询缓存：粗颗粒度，针对查询结果集，应用于数据实时化要求不高的场合

十一。应用场合决定了系统架构

一、是否需要ORM

HibernateoriBATIS？

二、采用ORM决定了数据库设计

Hibernate：

倾向于细颗粒度的设计，面向对象，将大表拆分为多个关联关系的小表，消除冗余column，通过二级缓存提升性能（DBA比较忌讳关联关系的出现，但是ORM的缓存将突破关联关系的性能瓶颈）；Hibernate的性能瓶颈不在于关联关系，而在于大表的操作

iBATIS：

倾向于粗颗粒度设计，面向关系，尽量把表合并，通过表column冗余，消除关联关系。无有效缓存手段。iBATIS的性能瓶颈不在于大表操作，而在于关联关系。

总结：

性能口诀

1、使用双向一对多关联，不使用单向一对多

2、灵活使用单向多对一关联

3、不用一对一，用多对一取代

4、配置对象缓存，不使用集合缓存

5、一对多集合使用Bag，多对多集合使用Set

6、继承类使用显式多态

7、表字段要少，表关联不要怕多，有二级缓存撑腰

最近开始留意项目中的Hibernate的性能问题，希望可以抽出时间学习一下hiberante的性能优化。主要是对数据库连接池技术、hibernate二级缓存、hibernate的配置优化等问题进行学习！

1.关联关系：

普通的关联关系：是不包括一个连接表，也就是中间表如：

createtablePerson(personIdbigintnotnullprimarykey,addressIdbigintnotnull)

createtableAddress(addressIdbigintnotnullprimarykey)

也就是不会还有一个关系表如：

createtablePerson(personIdbigintnotnullprimarykey)

createtableAddress(addressIdbigintnotnullprimarykey)

createtablePersonAddress(personIdbigintnotnull,ddressIdbigintnotnullprimarykey)

单向many-to-one关联是最常见的，而单向one-to-many是不常见的

2.innerjoin(内连接)

left(outer)join（左外连接）

right(outer)join(右外连接)

fulljoin(全连接，并不常用)

3.小技巧：

统计结果数目：

(Integer)session.iterator("selectcount(*)from..").next()).intValue();

根据一个集合大小来排序：

selectuser.id,user.name

fromUserasuser.name

leftjoinuser.messagesmsg

groupbyuser.id,user.name

havingcount(msg)>=1