java 中执行批量数据分表的核心做法是：使用 preparedstatement 的 addbatch() 和 executebatch() 方法，结合动态 sql 将数据分发到不同的物理表中。具体实现时，需根据业务逻辑（如用户 id 取模）计算目标表名，构建对应的 sql 语句，并将参数绑定后加入批次，最后统一提交。
如何根据条件动态选择目标表并构建 PreparedStatement
要实现分表，首先需要确定分表策略，例如通过 userId % 4 决定写入 user_0、user_1、user_2 或 user_3。在代码中，我们定义一个工具类方法来生成针对特定表的 SQL 模板，并利用 PreparedStatement 设置参数。这种方法避免了字符串拼接带来的 SQL 注入风险，同时保证了类型安全。
import java.sql.Connection;
import java.sql.PreparedStatement;
import java.sql.SQLException;
public class ShardingExecutor {
private final Connection connection;
public ShardingExecutor(Connection connection) {
this.connection = connection;
}
// 向指定分表插入单条数据
public void insertToTable(int userId, String name) throws SQLException {
int tableIndex = userId % 4;
String tableName = "user_" + tableIndex;
String sql = "INSERT INTO " + tableName + " (user_id, name) VALUES (?, ?)";
try (PreparedStatement pstmt = connection.prepareStatement(sql)) {
pstmt.setInt(1, userId);
pstmt.setString(2, name);
pstmt.addBatch();
}
}
// 执行所有已添加的批次
public void executeAllBatches() throws SQLException {
// 注意：实际应用中通常按表分组执行，这里简化为全局刷新
// 由于 PreparedStatement 是按连接和语句对象管理的，
// 更严谨的做法是为每个表维护独立的 PreparedStatement 实例
}
}
上述代码展示了如何根据 userId 动态构建表名。关键点在于 tableName 是通过字符串拼接生成的，而参数部分始终使用 ? 占位符。这样既实现了分表路由，又保留了预编译的优势。需要注意的是，addBatch() 是针对当前 PreparedStatement 对象的，如果不同表使用不同的 SQL 语句，需要为每个表创建独立的 PreparedStatement 实例来分别调用 addBatch。
立即学习“Java免费学习笔记（深入）”；
如何优化大批量分表插入的性能与事务管理
当数据量较大时，简单的逐条 addBatch 可能导致内存溢出或事务日志过大。优化的关键在于：1. 按目标表分组批次；2. 控制单次批次大小；3. 合理使用事务。我们可以创建一个更完善的执行器，它内部维护一个 Map，Key 为目标表名，Value 为该表的 PreparedStatement。每次插入时，检查该表是否已有准备好的语句，若无则创建；若有则直接 addBatch。当批次达到阈值或程序结束时，遍历 Map 执行 executeBatch 并清空。
import java.sql.Connection;
import java.sql.PreparedStatement;
import java.sql.SQLException;
import java.util.HashMap;
import java.util.Map;
public class OptimizedShardingExecutor {
private final Connection connection;
private final Map<String, PreparedStatement> statementMap = new HashMap<>();
private static final int BATCH_SIZE = 1000;
public OptimizedShardingExecutor(Connection connection) {
this.connection = connection;
}
public void addInsert(int userId, String name) throws SQLException {
int tableIndex = userId % 4;
String tableName = "user_" + tableIndex;
String sql = "INSERT INTO " + tableName + " (user_id, name) VALUES (?, ?)";
PreparedStatement pstmt = statementMap.computeIfAbsent(tableName, key -> {
try {
return connection.prepareStatement(key);
} catch (SQLException e) {
throw new RuntimeException(e);
}
});
pstmt.setInt(1, userId);
pstmt.setString(2, name);
pstmt.addBatch();
// 检查是否需要执行当前表的批次
if (pstmt.getMaxRows() == 0 || pstmt.getUpdateCount() >= BATCH_SIZE) { // 注意：getMaxRows/getUpdateCount 不直接反映 batch size
// 更准确的方式是手动计数
}
}
// 简化版：手动计数触发执行
private Map<String, Integer> batchCounts = new HashMap<>();
public void addInsertWithCount(int userId, String name) throws SQLException {
int tableIndex = userId % 4;
String tableName = "user_" + tableIndex;
String sql = "INSERT INTO " + tableName + " (user_id, name) VALUES (?, ?)";
PreparedStatement pstmt = statementMap.computeIfAbsent(tableName, key -> {
try {
return connection.prepareStatement(key);
} catch (SQLException e) {
throw new RuntimeException(e);
}
});
pstmt.setInt(1, userId);
pstmt.setString(2, name);
pstmt.addBatch();
int count = batchCounts.getOrDefault(tableName, 0) + 1;
batchCounts.put(tableName, count);
if (count >= BATCH_SIZE) {
pstmt.executeBatch();
pstmt.clearBatch();
batchCounts.put(tableName, 0);
}
}
public void flushAll() throws SQLException {
for (PreparedStatement pstmt : statementMap.values()) {
pstmt.executeBatch();
pstmt.clearBatch();
}
batchCounts.clear();
}
public void close() throws SQLException {
for (PreparedStatement pstmt : statementMap.values()) {
pstmt.close();
}
statementMap.clear();
}
}
这个优化后的版本解决了两个问题：一是避免了对同一张表重复创建 PreparedStatement，提高了效率；二是通过 BATCH_SIZE 控制了单次批次的内存占用。在实际生产环境中，建议将 flushAll 放在事务的合适位置，确保数据一致性。此外，对于超大数据量，可以考虑异步线程池处理批次提交，进一步解耦主业务流程。
当用户ID为负数时，分表索引计算结果是什么
在 Java 中，取模运算 % 的结果符号与被除数相同。因此，如果 userId 为负数，例如 -5 % 4，结果为 -1。这会导致表名变为 user_-1，可能引发数据库表不存在或命名不规范的问题。解决此问题的标准做法是使用 Math.abs(userId) % 4 或 (userId & 0x7FFFFFFF) % 4 来确保索引为非负数。另一种更稳健的方法是使用 Integer.hashCode(userId) % 4，因为 hashCode 返回的是整数值，其分布更均匀且能处理负数情况（但需注意 hashCode 本身可能为负，所以仍需取绝对值或加偏移）。最推荐的做法是：int index = Math.floorMod(userId, 4)，该方法专门用于处理负数的取模，保证结果始终在 [0, 4) 范围内。
