Java批量更新数据库的效率瓶颈在于连接、事务等开销，优化需围绕“减少往返”“降低锁压”“匹配缓存”“规避拼接”四主线：用addBatch+executeBatch分段提交（50–200条/批），禁用自动提交，合理配置InnoDB缓冲池与隔离级别，并复用PreparedStatement、避免SQL拼接。
Java 中批量更新数据库的效率瓶颈，往往不在 SQL 本身，而在于连接、事务、参数传递和数据库内部资源争用。真正有效的优化，是围绕“减少往返”“降低锁压”“匹配缓存”“规避拼接”四条主线展开。
用 addBatch + executeBatch 控制提交节奏
这是 JDBC 层最直接有效的批量手段。关键不是“全塞进去再执行”，而是分段提交：
- 每 50–200 条调用一次 executeBatch()，之后立即 clearBatch()，避免内存堆积或超时
- 配合 setFetchSize(0) 和 setAutoCommit(false)，关闭自动提交，由代码显式控制事务边界
- 若更新涉及主键范围集中（如按时间分区的订单表），可先 SELECT ... FOR UPDATE 加锁热点行，再批量更新，避免 update 时反复加锁冲突
写安全、高性能的 IN 更新语句
当目标记录 ID 已知且数量适中（建议 ≤ 2000 个），用单条带参数化 IN 的 UPDATE 比逐条更优：
- 禁止字符串拼接 ID 列表（防 SQL 注入 + 避免单引号/空值崩溃）
- 动态生成占位符，如 [key0], [key1], ..., [keyN]，再用 qry.setValue("key0", id0) 逐一绑定
- IN 列表过长时，MySQL 可能放弃索引走全表扫描——需确认执行计划，必要时拆成多个子批次
让 MySQL 缓存真正“跟得上”你的批量节奏
innodb_buffer_pool_size 调大本身不提速，但能防止批量更新过程中频繁刷脏页、淘汰热页、触发后台 IO 飙升：
立即学习“Java免费学习笔记（深入）”；
- 估算单批次更新的数据页+对应二级索引页总大小（例如 1 万行 × 200 字节 + 索引 ≈ 5MB），buffer pool 至少预留 8–12MB 空间
- 若批量持续循环执行（如每分钟同步一批），buffer pool 应覆盖活跃热区（如最近 1 小时数据 + 索引 ≈ 1.2GB → 建议 ≥1.5GB）
- 必须同步设 innodb_buffer_pool_instances = 8（≥ 1GB 时），避免单 mutex 争用；并调低 innodb_max_dirty_pages_pct = 75，让刷盘更平滑
避免隐性性能杀手
有些看似合理的设计，实际会拖垮批量更新：
- 在循环里反复 new PreparedStatement → 改为复用同一个实例，只变参数
- 用 MyBatis 的 <foreach> 生成超长 SQL → 当 ID 数量波动大时，容易触发 MySQL 的 max_allowed_packet 截断或解析慢
- 未设合适的事务隔离级别 → READ COMMITTED 通常比 REPEATABLE READ 锁粒度更小，更适合高并发批量更新
