最近接到一个任务，要把一批文件中的十几万条JSON格式数据写入到Oracle数据库中，Oracle是企业级别的数据库向来以高性能著称，所以尽可能地利用这一特性。当时第一时间想到的就是用多线程并发读文件并操作数据库，而Golang是为并发而生的，用Golang进行并发编程非常方便，因此这里选用Golang并发读取文件并用Gorm操作数据库。然而Gorm官方并不支持Oraclc，所以要借助第三方驱动，之前写了篇文章来记录Gorm操作Oracle的踩坑，详见使用Gorm操作Oracle数据库踩坑
data文件夹中包含数十个.out结尾的数据文件，model.go声明数据类型，main.go中编写并发逻辑和数据库操作代码
|——db_test | |——data | |——xxx.out | |——yyy.out | |——model | |——model.go | |——main.go | |——go.mod
Golang自带的os库就可以对文件、目录进行各种丰富的操作，OpenFile函数第一个参数是目录的路径，第二个参数表示只读，第三个参数os.ModeDir表示以文件夹模式打开。ReadDir传入负数表示读取目录下所有文件信息，传入n表示读取前n个文件信息。最后将所有文件名保存到字符串数组并返回。
func loadFile(path string) []string {
// 打开指定文件夹
f, err := os.OpenFile(path, os.O_RDONLY, os.ModeDir)
if err != nil {
log.Fatalln(err.Error())
os.Exit(0)
}
defer f.Close()
// 读取目录下所有文件
fileInfo, _ := f.ReadDir(-1)
files := make([]string, 0)
for _, info := range fileInfo {
files = append(files, info.Name())
}
return files
}这里使用bufio.Scanner来一行一行读取JSON格式的数据，bufio.Reader也能实现按行读取，但bufio.Scanner是go1.1后开发的模块操作起来更简单一点。
func readRecord(filename string) {
log.Println(filename)
f, err := os.Open(filename)
if err != nil {
log.Println(filename + " error")
return
}
defer f.Close()
scanner := bufio.NewScanner(f)
for scanner.Scan() {
line := scanner.Text() // line就是每行文本
// 对line进行处理
}
}
还是假设数据库中有一个SHOPS表，结构体方法TableName指定该类型对应的数据表，编写如下model.go文件
package model
type ShopInfo struct {
ShopId string `gorm:"column:SHOPID;not null"`
ShopName string `gorm:"column:SHOPNAME;not null"`
// 省略剩余的字段
}
func (s *ShopInfo) TableName() string {
return "SHOPS"
}基本逻辑是主函数读取文件夹下面的所有文件，然后用循环开启goroutine并传入文件名和数据库指针，goroutine中按行读取每个文件并将其JSON数据转换为结构体，在调用Gorm写入Oracle数据库。这里用Golang的等待组来同步主函数与goroutine。
var wg sync.WaitGroup
func main() {
// 打开Oracle连接
db, err := gorm.Open(oracle.Open("database/password@127.0.0.1:1521/XE"), &gorm.Config{
Logger: logger.New(log.New(os.Stdout, "\r\n", log.LstdFlags), logger.Config{
SlowThreshold: 1 * time.Millisecond,
LogLevel: logger.Error,
Colorful: true,
}),
})
if err != nil {
log.Fatalln(err)
}
if e := db.AutoMigrate(&model.ShopInfo{}); e != nil {
log.Fatalln(e.Error())
}
path := "./data/"
files := loadFile(path) // 加载所有文件名
// 循环创建goroutine
for i, v := range files {
wg.Add(1)
// 将数据库指针和文件名传给goroutine处理
go writeRecord(db, path+v)
}
wg.Wait() // 等待所有goroutine执行完成
log.Println("over")
}由于这些文件中可能有重复的数据，所以这里调用了Gorm的Clauses设置，当有主键重复的数据什么都不做，有些情况下主键相同但是更新了某些字段，这时可以用Clauses设置主键重复时进行更新操作。虽然主键重复时什么都不做，但是db的执行结果也会包含"unique constraint"错误，所以在错误处理时要排除主键冲突的情况，把其他错误（如字段太长或类型不匹配）记录下来。
func writeRecord(db *gorm.DB, filename string) {
defer wg.Done() // 不要忘记等待组-1
f, err := os.Open(filename)
if err != nil {
log.Println(filename + " error")
return
}
defer f.Close()
scanner := bufio.NewScanner(f)
iter := 0 // 记录出错的行数
for scanner.Scan() {
var shop model.ShopInfo
iter++
// 调用json.Unmarshal()将文本转换为结构体
if err = json.Unmarshal([]byte(scanner.Text()), &shop); err != nil {
log.Println("转换错误--->" + scanner.Text())
return
}
// 用clause设置当发生ID冲突时什么都不做
res := db.Clauses(clause.OnConflict{DoNothing: true}).Create(&shop)
// 虽然ID相同时程序不会停止，但是还是有错误返回
// 所以这里排除ID冲突错误，将其他错误（字段冲突）打印出来
if res.Error != nil && !strings.Contains(res.Error.Error(), "unique constraint") {
log.Println("插入出错--->" + shop.ShopId + " 在" + filename + "第" + strconv.Itoa(iter) + "行")
return
}
}
}
将上面每一步整合后得到完整的主函数代码如下：
package main
import (
"bufio"
"db_test/model"
"encoding/json"
"log"
"os"
"strconv"
"strings"
"sync"
"time"
"github.com/cengsin/oracle"
"gorm.io/gorm"
"gorm.io/gorm/clause"
"gorm.io/gorm/logger"
)
var wg sync.WaitGroup
func main() {
log.Println("initial database connect……")
db, err := gorm.Open(oracle.Open("database/password@127.0.0.1:1521/XE"), &gorm.Config{
Logger: logger.New(log.New(os.Stdout, "\r\n", log.LstdFlags), logger.Config{
SlowThreshold: 1 * time.Millisecond,
LogLevel: logger.Error,
Colorful: true,
}),
})
if err != nil {
log.Fatalln(err)
}
if e := db.AutoMigrate(&model.ShopInfo{}); e != nil {
log.Fatalln(e.Error())
}
path := "../out1/"
files := loadFile(path)
time.Sleep(2 * time.Second)
for i, v := range files {
wg.Add(1)
go writeRecord(db, path+v)
}
wg.Wait()
log.Println("over")
}
func loadFile(path string) []string {
// 打开指定文件夹
f, err := os.OpenFile(path, os.O_RDONLY, os.ModeDir)
if err != nil {
log.Fatalln(err.Error())
os.Exit(0)
}
defer f.Close()
// 读取目录下所有文件
fileInfo, _ := f.ReadDir(-1)
files := make([]string, 0)
for _, info := range fileInfo {
files = append(files, info.Name())
}
return files
}
func writeRecord(db *gorm.DB, filename string) {
defer wg.Done()
f, err := os.Open(filename)
if err != nil {
log.Println(filename + " error")
return
}
defer f.Close()
scanner := bufio.NewScanner(f)
iter := 0 // 记录出错的行数
for scanner.Scan() {
var shop model.ShopInfo
iter++
// 调用json.Unmarshal()将文本转换为结构体
if err = json.Unmarshal([]byte(scanner.Text()), &shop); err != nil {
log.Println("转换错误--->" + scanner.Text())
return
}
// 用clause设置当发生ID冲突时什么都不做
res := db.Clauses(clause.OnConflict{DoNothing: true}).Create(&shop)
// 虽然ID相同时程序不会停止，但是还是有错误返回
// 所以这里排除ID冲突错误，将其他错误（字段冲突）打印出来
if res.Error != nil && !strings.Contains(res.Error.Error(), "unique constraint") {
log.Println("插入出错--->" + shop.ShopId + " 在" + filename + "第" + strconv.Itoa(iter) + "行")
return
}
}
}go run ./main.go运行过程非常快，十几万条数据几分钟就写完了，并且CPU占用率100%，证明非常有效的利用了并发优势。若是文件数量太多（上千个）的话会创建非常多goroutine，可能消耗非常多系统资源，可以在循环创建goroutine时进行限制，只创建30或50个，一个goroutine结束后再给它传入一个新的文件名。
