我正在mysql中的一个表上构建一个索引表(倒排文件)。它的工作方式是从一个文件中提取所有单词,并将它们存储到hashset中,然后将单词逐个插入到我的数据库表中。
它工作得很好,我知道倒排文件确实需要一些时间来建立索引表。我正在尝试优化表的索引时间,并考虑使用多线程。它会加速表演吗?
但是,我不太确定如何将它与我当前的程序集成,因为我是多线程新手。
代码:
public static void main(String[] args) throws Exception {
StopWatch stopwatch = new StopWatch();
stopwatch.start();
File folder = new File("D:\\PDF1");
File[] listOfFiles = folder.listFiles();
for (File file : listOfFiles) {
if (file.isFile()) {
HashSet<String> uniqueWords = new HashSet<>();
String path = "D:\\PDF1\\" + file.getName();
try (PDDocument document = PDDocument.load(new File(path))) {
if (!document.isEncrypted()) {
PDFTextStripper tStripper = new PDFTextStripper();
String pdfFileInText = tStripper.getText(document);
String lines[] = pdfFileInText.split("\\r?\\n");
for (String line : lines) {
String[] words = line.split(" ");
for (String word : words) {
uniqueWords.add(word)
;
}
}
// System.out.println(uniqueWords);
}
} catch (IOException e) {
System.err.println("Exception while trying to read pdf document - " + e);
}
Object[] words = uniqueWords.toArray();
MysqlAccessIndex connection = new MysqlAccessIndex();
for(int i = 1 ; i <= words.length - 1 ; i++ ) {
connection.readDataBase(path, words[i].toString());
}
System.out.println("Completed");
}
}
mysql连接:
public class MysqlAccessIndex {
public Connection connect = null;
public Statement statement = null;
public PreparedStatement preparedStatement = null;
public ResultSet resultSet = null;
public void connect() throws Exception {
// This will load the MySQL driver, each DB has its own driver
Class.forName("com.mysql.jdbc.Driver");
// Setup the connection with the DB
connect = DriverManager
.getConnection("jdbc:mysql://126.32.3.20/fulltext_ltat?"
+ "user=root&password=root");
// Statements allow to issue SQL queries to the database
statement = connect.createStatement();
System.out.print("Connected");
}
public MysqlAccessIndex() throws Exception {
connect();
}
public void readDataBase(String path,String word) throws Exception {
try {
// Result set get the result of the SQL query
// This will load the MySQL driver, each DB has its own driver
Class.forName("com.mysql.jdbc.Driver");
// Setup the connection with the DB
connect = DriverManager
.getConnection("jdbc:mysql://126.32.3.20/fulltext_ltat?"
+ "user=root&password=root");
// Statements allow to issue SQL queries to the database
statement = connect.createStatement();
System.out.print("Connected");
// Result set get the result of the SQL query
preparedStatement = connect
.prepareStatement("insert IGNORE into fulltext_ltat.indextable values (default,?, ?) ");
preparedStatement.setString( 1, path);
preparedStatement.setString(2, word);
preparedStatement.executeUpdate();
// resultSet = statement
//.executeQuery("select * from fulltext_ltat.index_detail");
// writeResultSet(resultSet);
} catch (Exception e) {
throw e;
} finally {
close();
}
}
如果有人指点我会很感激的。
1条答案
按热度按时间lqfhib0f1#
不,将数据推入具有多个线程的数据库通常不会加快任何速度。
相反,请尝试以下操作:
[1] 批量添加数据时,请使用db引擎提供的批量添加数据原语。我不知道mysql是否支持这一点,以及如何从java实现这一点。例如,在postgres中,您将使用copy而不是insert。
[2] 尤其是如果不能使用“复制”或“类似”,请关闭所有索引(删除它们),然后执行所有插入,然后添加索引,这比先创建索引然后插入要快。
[3] 使用事务,并每隔大约100次插入提交事务。在大多数情况下,这比每次插入后提交要快,也比几十万次后提交要快。
[4] 早点开始。在示例代码中,可以立即开始插入,而不是先将所有数据填充到哈希集中,然后再添加。
[5] 不要老是做事先准备好的陈述;重复使用同一个。
[6] 你做了两次陈述,却什么都不做。不要;你在浪费资源。
[7] 准备好的报表需要关闭。你不能关闭它们。这可能会大大减缓事情的发展。不要做那么多(只有一个应该做),做完后就把它们关上。搜索“arm”,这是一个java构造,可以方便地正确关闭资源。现在已经超过10年了。