单条INSERT在千万级场景下必然卡死，因其每条都要重复执行网络往返、SQL解析、redo/undo日志写入、B+树分裂及binlog落盘，1000万次即1000万遍开销，导致磁盘IO与锁竞争拉满；实测单条插入10万行平均5.2ms/条，批量优化后可降至0.05ms/条。

为什么单条INSERT在千万级场景下必然卡死

因为每条INSERT都要走完整链路：网络往返 + SQL解析 + redo log写入 + undo log生成 + 索引B+树分裂 + binlog落盘。1000万次就是1000万遍，磁盘IO和锁竞争直接拉满。实测中，单条插入10万行平均耗时5.2ms/条；批量优化后可压到0.05ms/条——差两个数量级不是玄学，是路径开销的硬差距。

必须调整的MySQL服务端参数

不调参就写批量SQL，等于开着拖拉机跑高速。关键几项必须改：

• innodb_flush_log_at_trx_commit = 0：关闭每次事务强制刷盘，允许丢失最近1秒数据（仅限导入期临时启用）
• sync_binlog = 0：禁用binlog同步，主从延迟容忍期内可用
• innodb_buffer_pool_size设为物理内存的60%~70%，避免频繁刷脏页
• max_allowed_packet至少调到64M，否则INSERT INTO ... VALUES (...),(...),...会报Packet too large

注意：innodb_doublewrite = OFF虽能提速，但崩溃恢复风险陡增，生产环境慎用；建议只在离线导入专用实例中开启。

应用层批次大小怎么定

不是越大越好。字段越宽、含BLOB/TEXT越多，单批次能塞的行数就越少。经验公式：批次大小 ≈ 1MB / 单行平均字节数。例如：

MySQL8 CRM Schema Design Expert

面向 CRM 系统的 MySQL 8 数据库模式设计。当用户需要为客户关系管理（CRM）系统设计、评审、优化或生成数据库模式时，应使用此项技能。

下载

• 纯INT+VARCHAR(50)结构 → 每行约100B → 建议每批5000~10000行
• 含2个TEXT字段 → 每行约2KB → 建议每批500~1000行
• 字段多且含JSON → 每行超5KB → 每批控制在200行内

超过阈值会导致MySQL服务端OOM或Packet too large错误，比慢还难排查。

LOAD DATA INFILE比INSERT快的根本原因

它绕过了SQL解析器，直接把文件内容喂给InnoDB存储引擎。实测50万行CSV导入只要3~5秒，比最优INSERT ... VALUES快20倍以上。但有两个硬限制：

• 文件必须在数据库服务器本地，或开启local_infile=ON并用LOAD DATA LOCAL INFILE
• 需有FILE权限，且受secure_file_priv路径白名单约束

如果你的数据在应用服务器上，又无法登录DB机器，LOAD DATA就不可用——这时候老老实实用executemany或addBatch/executeBatch，并确保JDBC连接串加rewriteBatchedStatements=true，否则MySQL驱动仍会拆成单条发送。

真正卡住千万级导入的，从来不是SQL怎么写，而是磁盘IO瓶颈、redo log刷盘频率、索引维护成本这三座大山。参数没调对，语法再漂亮也白搭。