近期，数据中心系统负荷大，mysql服务器的CPU动辄达到90%以上。代码和数据表存在很大优化空间。
这里分享一个定时任务批量处理数据的优化过程。
先介绍定时任务
先介绍下面2张数据表
| 字段 | 数据量 | |
|
platform_order 平台交易订单表 |
有超过50多个字段。 包括 主键自增id、客户id、客户名称（冗余字段）、服务商id（levy_id）、服务商名称（levy_name，冗余字段）、 付款方式、付款状态、收款人、收款人收款账号（卡号/支付宝/微信）、项目id、付款金额、渠道商、销售代表、 创建时间、最近更新时间、付款完成时间，等等。 |
550w，每天增量3w |
|
levy_info 服务商基础信息表 |
字段包括 服务商id（levy_id）、服务商名称（levy_name），等若干字段 | 50条，很少新增 |
项目程序里有一个定时任务，每间隔5分钟，定期为platform_order的冗余字段levy_name赋值。也就是，根据levy表里的信息来更新platform_order表。
最初的程序实现
我相信这是绝大多数程序员的实现方式。
【第一步】求count： select count(1) from platform_order where levy_name is null
【第二步】分页从数据表获取levy_name为null的记录，例如每页1000条，放到List集合里。
【第三步】遍历List集合里的元素，根据记录的levy_id去查levy_info表，得到levy_name，执行SQL：update platform_order set levy_name=#{levy_name} where id=#{id}
这个定时任务启动后，不停刷日志，耗时≈3min
改进的程序实现
【第一步】求count：SQL同上
【第二步】如果count>0，则执行一条update语句：update platform_order a join levy_info b on a.levy_id=b.levy_id set a.levy_name=b.levy_name where a.levy_name is null
这个实现方式，java着手少了许多代码，不过，数据库倒是出现慢sql了。第二步的update语句耗时10~12s。
count耗时≈2s，整体耗时≈15s
洪荒之力，优化到200ms以内
【第一步】
不再是傻瓜式地一个 levy_name is null 条件了。而是再加一个id>#{maxId}条件。 maxId 值从哪里来？每次定时任务执行完后将最大记录id缓存起来。当然，服务启动后第一次是没有缓存的，就让maxId=0。
再者，执行的sql不是简单的count，而是 select levy_id, min(id) as minId，max(id) as maxId from platform_order where id>#{maxId} and levy_name is null group by levy_id
【第二步】
上面的分组查询得到一个List集合，遍历集合元素，同样根据levy_id查levy_info表得到levy_info记录。
然后，如果你跟得上我的节奏，你应该能猜到，执行这样一个SQL：
update platform_order set levy_name=#{levy_name} where levy_id=#{levy_id} and id between #{minId} and #{maxId} and levy_name is null
View Code
要提到的一点是，根据levy_id获取levy_info记录，我使用了缓存，缓存24h，是不是很豪横~
【第三步】
缓存最大id —> maxId
这么优化之后，job的耗时在100ms~200ms之间，这个耗时足可以令伙伴们尖叫！
原文地址：http://www.cnblogs.com/buguge/p/16812025.html
