资源描述：
《hibernate程序性能优化》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、Hibernate程序性能优化初用HIBERNATE的人也许都遇到过性能问题，实现同一功能，用HIBERNATE与用JDBC性能相并十儿倍很止常，如果不及早调整，很可能影响整个项目的进度。大体上，对于HIBERNATE性能调优的主要考虑点如下：0数据库设计调整0HQL优化0API的正确使用（如根据不同的业务类型选用不同的集合及查询API）0主配置参数（日志,查询缓存,fetchsize,batchsize等）0映射文件优化仃D生成策略，二级缓存，延迟加载，关联优化）0一级缓存的管理0针对二级缓存，还有许多特有的策略0事务控制策略。
2、1、数据库设计a）降低关联的复杂性b）尽量不使用联合主键c）ID的生成机制，不同的数据库所提供的机制并不完全一样d）适当的兀余数据，不过分追求高范式2、HQL优化HQL如果抛开它同HIBERNATE木身一些缓存机制的关联，HQL的优化技巧同普通的SQL优化技巧一样，可以很容易在网上找到一些经验之谈。3、主配置a）查询缓存，同下面讲的缓存不太一样，它是针对HQL语句的缓存，即完全一样的语句再次执行时可以利用缓存数据。但是，查询缓存在一个交易系统（数据变更频繁，查询条件相同的机率并不人）中可能会起反作用:它会白白耗费大量的系统资源但却
3、难以派上用场。b）fetch_size,同JDBC的相关参数作用类似，参数并不是越大越好，而应根据业务特征去设置c）batch_size同上。d）生产系统中,切记要关掉SQL语句打印。4、缓存a）数据库级缓存:这级缓存是最高效和安全的，但不同的数据库可管理的层次并不一样，比如，在ORACLE中，可以在建表时指定将整个表置于缓存当中。b）SESSION缓存:在一个HIBERNATESESSION有效，这级缓存的可干预性不强，大多于HIBERNATE自动管理，但它提供清除缓存的方法，这在大批量增加/更新操作是有效的。比如，同时增加十万
4、条记录，按常规方式进行，很可能会发现OutofMcmeroy的异常，这时可能需耍手动清除这一级缓存:Session,evict以及Session.clearc）应用缓存:在一个SESSIONFACTORY中有效，因此也是优化的重中之重，因此，各类策略也考虑的较多，在将数据放入这一级缓存之前，需要考虑一些前提条件：i.数据不会被第三方修改（比如，是否有另一个应用也在修改这些数据?）ii.数据不会太大iii.数据不会频繁更新（否则使用CACHE可能适得其反）iv.数据会被频繁查询v.数据不是关键数据（如涉及钱，安全等方面的问题）。缓存
5、有几种形式，可以在映射文件中配置:read-only（只读，适用于很少变更的静态数据/丿力史数据），nonstrict-read-write,read-write（比较普遍的形式，效率一般），transactional（JTA中，口支持的缓存产品较少）d）分布式缓存：同c）的配置一样，只是缓存产品的选用不同，在目前的HIBERNATE中可供选择的不多,oscache,jbosscache,目前的大多数项目,对它们的用于集群的使用（特别是关键交易系统）都持保守态度。在集群环境屮，只利用数据库级的缓存是最安全的。5、延迟加载a）实体延
6、迟加载:通过使用动态代理实现b)集合延迟加载:通过实现自冇的SET/L1ST,HIBERNATE捉供了这方而的支持c)属性延迟加载：6、方法选用a)完成同样一件事，HIBERNATE提供了可供选择的一些方式，但具体使用什么方式，可能用性能/代码都会有影响。显示，一次返回十万条记录(List/Set/Bag/Map等)进行处理，很可能导致内存不够的问题，而如果用基于游标(ScrollableResults)或Iterator的结果集，则不存在这样的问题。a)Session的load/gel方法，前者会使用二级缓存，而后者则不使用。b
7、)Query和1ist/iterator,如果去仔细研究一下它们，你口J能会发现很多有意思的情况，二者主要区别(如杲使用了Spring,在nibcrnatcTcmplatc中对应find,iterator方法):i.list只能利用查询缓存(但在交易系统中查询缓存作用不大)，无法利用二级缓存屮的单个实体，但list查出的对象会写入二级缓存，但它一般只生成较少的执行SQL语句，很多情况就是一条(无关联)。ii.iterator则可以利用二级缓存，对于一•条查询语句，它会先从数据库屮找岀所有符合条件的记录的1D,再通过ID去缓存找，对
8、于缓存屮没有的记录,再构造语句从数据库中查出，因此很容易知道，如果缓存中没有任何符合条件的记录，使用iterator会产生N+1条SQL语句(N为符合条件的记录数)iii.通iterator,配合缓存管理API,在海量数据查询中可以很好的解决内存问
