面试题：如何造10w条测试数据，在数据库插入10w条不同数据

2022-11-22 19:56:41

前言

面试题：如果造10w条测试数据，如何在数据库插入10w条数据，数据不重复

最近面试经常会问到sql相关的问题，在数据库中造测试数据是平常工作中经常会用到的场景，一般做压力测试，性能测试也需在数据库中先准备测试数据。那么如何批量生成大量的测试数据呢？

由于平常用python较多，所以想到用python先生成sql，再执行sql往数据库插入数据。

使用语言：python 3.6

插入数据

首先我要插入的 SQL 语句，需每条 id 不重复 ,下面是执行单个插入语句

INSERT INTO `apps`.`apiapp_card` (`id`, `card_id`, `card_user`, `add_time`) VALUES ('1', '', 'test123', '2019-12-17');

10w 太多执行时间长，用 python 先生成 1w条测下执行时间。

首先要生成多个insert 语句，这里我用 python 语言写段生成sql的脚本。

用 %s 替换需要变的字段值，如果有多个值都需要变，可以用多个%s替换对应值，我这里设计的表，只要id不一样就可以插入成功。
用for 循环，每次循环 id 加1，这样 id 就可以保证不会重复，否则插入数据库时有重复的无法写入成功。
a 是追加写入
每条sql后面分号隔开
每次写入数据，最后面加\n 换行

# python3
# 作者：上海-悠悠

for i in range(10000):
    a = "INSERT INTO `apps`.`apiapp_card` (`id`, `card_id`, `card_user`, `add_time`) VALUES ('%s', '', 'test123', '2019-12-17');"%str(i+1)
    with open("a.txt", "a") as fp:
        fp.write(a+"\n")

执行python代码，在本地生成一个 a.text 文件，打开生成的数据，部分如下

INSERT INTO `apps`.`apiapp_card` (`id`, `card_id`, `card_user`, `add_time`) VALUES ('1', '', 'test123', '2019-12-17');
INSERT INTO `apps`.`apiapp_card` (`id`, `card_id`, `card_user`, `add_time`) VALUES ('2', '', 'test123', '2019-12-17');
INSERT INTO `apps`.`apiapp_card` (`id`, `card_id`, `card_user`, `add_time`) VALUES ('3', '', 'test123', '2019-12-17');
INSERT INTO `apps`.`apiapp_card` (`id`, `card_id`, `card_user`, `add_time`) VALUES ('4', '', 'test123', '2019-12-17');
......
INSERT INTO `apps`.`apiapp_card` (`id`, `card_id`, `card_user`, `add_time`) VALUES ('10000', '', 'test123', '2019-12-17');

如果id是手机号呢，如何生成10w个不同手机号？

可以按手机号前3位开头的号码段生成，比如186开头的，先用初始数据 1860000000，再这个数字基础上每次加1

加到 18600099999，这样号码段1860000000-18600099999就是10w个手机号了。

把id换成手机号后，修改代码如下

# python3
# 作者：上海-悠悠

for i in range(10000):
    a = "INSERT INTO `apps`.`apiapp_card` (`id`, `card_id`, `card_user`, `add_time`) VALUES ('%s', '', 'test123', '2019-12-17');"%str(i+1860000000)
    with open("a.txt", "a") as fp:
        fp.write(a+"\n")

只需在上面基础上把 str(i+1) 改成 str(i+1860000000) 就可以生成手机号了

INSERT INTO `apps`.`apiapp_card` (`id`, `card_id`, `card_user`, `add_time`) VALUES ('1860000000', '', 'test123', '2019-12-17');
INSERT INTO `apps`.`apiapp_card` (`id`, `card_id`, `card_user`, `add_time`) VALUES ('1860000001', '', 'test123', '2019-12-17');
INSERT INTO `apps`.`apiapp_card` (`id`, `card_id`, `card_user`, `add_time`) VALUES ('1860000002', '', 'test123', '2019-12-17');

把生成的文本复制出来，多个INSERT INTO 对应的 sql 一次性贴到 navicat 客户端执行

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ss3aC1WJ-1623493134360)(https://ask.qcloudimg.com/http-save/yehe-6161227/co9dclhrab.png)]

执行完成花了5分钟左右，也就是说10w条得50分钟，这太慢了，要是数据更多，会等太久，不是我们想要的效果！

批量执行

由于单个执行，花费时间太长，现在需要优化下改成一个 inert 语句，改成批量插入数据，只写一个 insert into 这样一次性批量写到数据库，会快很多。

可以将SQL语句进行拼接，使用 insert into table () values (),(),(),()然后再一次性插入。

批量执行要么全部成功，要么一个都不会写入成功，当写的 SQL 语法有问题时就不会写入成功了。

需注意：

拼接 sql ,多个values 值中间用英文逗号隔开
value 值要与数据表的字段一一对应
一定要注意最后一条数据后面不是逗号，改成分号

# python3
# 作者：上海-悠悠

insert_sql = "INSERT INTO `apps`.`apiapp_card`  VALUES "
with open("b.txt", "a") as fp:
        fp.write(insert_sql+"\n")
for i in range(10000):
    a = "('%s', '', 'test123', '2019-12-17'),"%str(i+10001)
    with open("b.txt", "a") as fp:
        fp.write(a+"\n")

执行完成后，复制 b.text 文件的内容，需注意的是这里一定要改成；结尾，否则语法报错

部分数据内容展示如下

INSERT INTO `apps`.`apiapp_card` VALUES 
('10001', '', 'test123', '2019-12-17'),
('10002', '', 'test123', '2019-12-17'),
......
('20000', '', 'test123', '2019-12-17');

复制生成的 INSERT INTO 到 navicat 客户端执行

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yCh283uO-1623493134362)(https://ask.qcloudimg.com/http-save/yehe-6161227/5c9dlo1dkh.png)]

执行完成，最后看的测试结果，1w条数据只用了0.217秒，速度明显提高不少。

10w数据插入

接着测下，当生成10 w条数据的时候，会花多少时间？

# 作者：上海-悠悠
# python3

insert_sql = "INSERT INTO `apps`.`apiapp_card`  VALUES "
with open("b.txt", "a") as fp:
        fp.write(insert_sql+"\n")
for i in range(100000):
    a = "('%s', '', 'test123', '2019-12-17'),"%str(i+100000)
    with open("b.txt", "a") as fp:
        fp.write(a+"\n")

使用python脚本执行后生成的数据如下

INSERT INTO `apps`.`apiapp_card`  VALUES 
('100000', '', 'test123', '2019-12-17'),
('100001', '', 'test123', '2019-12-17'),
......
('199999', '', 'test123', '2019-12-17');

直接插入mysql 这时候会有报错：Err 1153 - Got a packet bigger than ‘max_allowed_packet’ bytes

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oiTp8D6d-1623493134363)(https://ask.qcloudimg.com/http-save/yehe-6161227/jvr7uamm2h.png)]

报错原因：由于数据量较大，mysql 会对单表数据量较大的 SQL 做限制，10w条数据的字符串超出了max_allowed_packet

的允许范围。

解决办法：需修改mysql 数据库的max_allowed_packet的值，改大一点

max_allowed_packet

先在 navicat 输入命令查看 max_allowed_packet 最大允许包

show global variables like ‘max_allowed_packet’;

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JzneRwn9-1623493134366)(https://ask.qcloudimg.com/http-save/yehe-6161227/vgyi74ouar.png)]

查看到 value 值是 4194304，最大限制是 40 M,我们只需的sql字符串太大了，超出了这个范围。

在 navicat 客户端我们无法直接修改对应 value值，需登录到mysql，用命令行修改。

我这里 mysql 是搭建在 docker 上，需先进容器，登录到mysql.

操作步骤如下：

docker exec 进docker容器
mysql -uroot -p 输入密码后登录mysql
set global max_allowed_packet=419430400; 设置最大允许包 400M
show global variables like ‘max_allowed_packet’; 查看前面设置是否生效

[root@VM_0_2_centos ~]# docker exec -it 934b30a6dc36 /bin/bash
root@934b30a6dc36:/# mysql -uroot -p
Enter password: 
Welcome to the MySQL monitor.  Commands end with ; or \g.
Your MySQL connection id is 303822
Server version: 5.7.27 MySQL Community Server (GPL)

Copyright (c) 2000, 2019, Oracle and/or its affiliates. All rights reserved.

Oracle is a registered trademark of Oracle Corporation and/or its
affiliates. Other names may be trademarks of their respective
owners.

Type 'help;' or '\h' for help. Type '\c' to clear the current input statement.

mysql> show global variables like 'max_allowed_packet';
+--------------------+-----------+
| Variable_name      | Value     |
+--------------------+-----------+
| max_allowed_packet | 4194304 |
+--------------------+-----------+
1 row in set (0.00 sec)

mysql> set global max_allowed_packet=419430400;
Query OK, 0 rows affected (0.00 sec)

mysql> show global variables like 'max_allowed_packet';
+--------------------+-----------+
| Variable_name      | Value     |
+--------------------+-----------+
| max_allowed_packet | 419430400 |
+--------------------+-----------+
1 row in set (0.00 sec)

mysql>

从上面的查询结果可以看到，已经生效了。

再次重新执行上面10w条数据，查看运行结果总共花11秒左右时间。

受影响的行: 100000

时间: 11.678s

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SfwPM5qK-1623493134368)(https://ask.qcloudimg.com/http-save/yehe-6161227/x2mzggp460.png)]

上面的方法只能临时生效，当重启mysql后，你会发现又还原回去了。

这里还有一种永久生效的方法，需修改my.cnf配置文件

在[mysqld]部分添加一句，如果有就修改对应的值：

max_allowed_packet=40M

这里的值，可以用 M单位，修改后，需要重启下mysql就可以生效了

使用python执行

如果不用 navicat 客户端，直接用python去执行，会花多少时间呢？

先封装连接mysql的方法，然后拼接执行的sql语句，拼接的时候需注意，最后的字符，需改成；

在执行代码前先获取当前的时间戳，代码执行完成后再次获取一次时间戳。两次的时间间隔，就是执行的时间了，时间单位是s

python 执行 mysql 代码参考如下

import pymysql
'''
# python3
作者：上海-悠悠
pip install PyMySQL==0.9.3
'''

dbinfo = {
    "host": "192.168.1.x",
    "user": "root",
    "password": "123456",
    "port": 3306}


class DbConnect():
    def __init__(self, db_cof, database=""):
        self.db_cof = db_cof
        # 打开数据库连接
        self.db = pymysql.connect(database=database,
                                  cursorclass=pymysql.cursors.DictCursor,
                                  **db_cof)

        # 使用cursor()方法获取操作游标
        self.cursor = self.db.cursor()

    def select(self, sql):
        # SQL 查询语句
        # sql = "SELECT * FROM EMPLOYEE \
        #        WHERE INCOME > %s" % (1000)
        self.cursor.execute(sql)
        results = self.cursor.fetchall()
        return results

    def execute(self, sql):
        # SQL 删除、提交、修改语句
        # sql = "DELETE FROM EMPLOYEE WHERE AGE > %s" % (20)
        try:
           # 执行SQL语句
           self.cursor.execute(sql)
           # 提交修改
           self.db.commit()
        except:
           # 发生错误时回滚
           self.db.rollback()

    def close(self):
        # 关闭连接
        self.db.close()


if __name__ == '__main__':
    import time
    insert_sql = "INSERT INTO `apps`.`apiapp_card`  VALUES "
    insert_values = "".join(["('%s', '', 'test123', '2019-12-17'), \n"%str(i+100000) for i in range(100000)])
    # 拼接sql
    sql = insert_sql + insert_values[:-3]+";"
    # print(sql)
    # 执行sql
    time1 = time.time()
    db = DbConnect(dbinfo, database="apps")
    db.execute(sql)
    db.close()
    time2 = time.time()
    print("总过耗时：%s" % (time2-time1))

使用python执行结果：总过耗时：1.0816256999969482,结果超出我的想象，10w条数据居然只要1秒钟！

码农公寓

前言

插入数据

批量执行

10w数据插入

max_allowed_packet

使用python执行

相关文章