关于代码性能优化的总结

来源：cnblogs　　作者：程序员不帅哥　　时间：2024/2/21 9:26:41　　对本文有异议

　　今天同事发开中遇到了一个代码性能优化的问题，原本需求是：从一个数据库中查询某个表数据，存放到datatable中，然后遍历datatable，看这些数据在另一个数据库的表中是否存在，存在的话就要更新，不存在就要插入。

　　就这个需求本身来说很简单，但是随着数据量的增大，之前通过循环遍历的方式就出现了性能问题。我在思索片刻后，给出的建议是分页查询和利用事务批量提交。

1.利用数据库事务批量提交

 1 using (SqlTransaction transaction = targetConnection.BeginTransaction())
 2             {
 3                 foreach (DataRow row in dataTable.Rows)
 4                 {
 5                     if (CheckIfDataExists(targetConnection, transaction, row))
 6                     {
 7                         UpdateData(targetConnection, transaction, row);
 8                     }
 9                     else
10                     {
11                         InsertData(targetConnection, transaction, row);
12                     }
13                 }
14 
15                 transaction.Commit();
16             }
17         }
18 
19 //下面两个方法都还可以优化，需要接收批量sql语句，所以可以修改成list<SqlCommand>，然后遍历执行，此处能说明问题即可
20   private void UpdateData(SqlConnection connection, SqlTransaction transaction, DataRow row)
21     {
22         using (SqlCommand command = new SqlCommand("UPDATE YourTable SET YourUpdateStatement WHERE YourCondition", connection, transaction))
23         {
24             // Add parameters to your command here, based on your update statement and condition
25             // command.Parameters.AddWithValue("@ParameterName", row["ColumnName"]);
26 
27             command.ExecuteNonQuery();
28         }
29     }
30 
31     private void InsertData(SqlConnection connection, SqlTransaction transaction, DataRow row)
32     {
33         using (SqlCommand command = new SqlCommand("INSERT INTO YourTable (YourColumns) VALUES (YourValues)", connection, transaction))
34         {
35             // Add parameters to your command here, based on your columns and values
36             // command.Parameters.AddWithValue("@ParameterName", row["ColumnName"]);
37 
38             command.ExecuteNonQuery();
39         }
40     }

　　看到这里的时候，大家可以考虑下，以上方案还有什么优化的地方吗？

　　当然是有的，如果数据量持续增大，datatable这样直接加载到内存的方式恐怕会成为性能问题点吧，我们得考虑怎么优化才能避免将大数据一次性加载到内存，大部分同学第一个想到的就是分页，这个方案当然是没有错，但是还不够高级，给大家提示一个关键字“yield”，或许从聪明的你已经悟到了，接着往下看。

2.流式处理法

　　什么是流式处理法呢？

　　流式处理是一种处理数据的方式，它允许你在数据到达时立即处理，而不是等待所有数据都到达后再处理。这种方式特别适合处理大量数据，因为它不需要一次性加载所有数据到内存中。在C#中，你可以使用yield return关键字来创建一个返回IEnumerable<T>的方法，这个方法可以在每次迭代时返回一个元素，而不是一次性返回所有元素。这就是一种流式处理的实现方式。

举个例子：

 1 private IEnumerable<DataRow> GetDataFromSource()
 2     {
 3         using (SqlConnection sourceConnection = new SqlConnection(sourceConnectionString))
 4         {
 5             sourceConnection.Open();
 6 
 7             using (SqlCommand command = new SqlCommand("SELECT * FROM YourTable", sourceConnection))
 8             {
 9                 using (SqlDataReader reader = command.ExecuteReader())
10                 {
11                     DataTable dataTable = new DataTable();
12 
13                     while (reader.Read())
14                     {
15                         dataTable.LoadDataRow(reader.GetValues(), LoadOption.Upsert);
16                         DataRow row = dataTable.Rows[dataTable.Rows.Count - 1];
17                         yield return row;
18                         dataTable.Clear();
19                     }
20                 }
21             }
22         }

　　在这个示例中，GetDataFromSource方法每次迭代时返回一个DataRow，而不是一次性返回所有DataRow。这样，你就可以在每次迭代时处理一个DataRow

，而不需要一次性加载所有数据到内存中。但是，如果你的数据处理需要跨行操作，你可能需要使用其他的方法了，这个就不适用。

　　扫盲：yield一次只返回一个难道就不会多次访问数据库了吗？

　　在这个示例中，yield return并不会导致多次访问数据库。实际上，数据库查询只执行一次，然后使用SqlDataReader逐行读取结果。yield return只是在每次迭代时返回一个DataRow，而不是一次性返回所有DataRow。当你在foreach循环中迭代GetDataFromSource()方法时，每次迭代都会从上次停止的地方继续，直到SqlDataReader读取完所有行。这意味着，虽然你每次只处理一个DataRow，但数据库查询只执行一次。

　　既然已经看到这里了，我们可以继续再考虑下关于性能优化，我们还能从哪些方面着手呢？

1. 代码层面：

- 使用更高效的数据结构和算法。

- 使用缓存避免多次数据库交互

- 减少不必要的计算和内存分配。

- 利用并行和异步编程提高性能。

- 使用性能分析工具定位和优化瓶颈。

2. Web API方面：

- 使用HTTP缓存减少不必要的请求。

- 使用Gzip或Brotli压缩减少响应大小。

- 使用分页、排序和过滤减少返回的数据量。

- 使用GraphQL或OData让客户端可以指定需要的数据。