1. MyBatis-Plus生产环境深度优化全景图
在真实的企业级Java开发中，MyBatis-Plus作为MyBatis的增强工具链，已经成为持久层架构的事实标准。但很多团队仅仅停留在基础CRUD的使用层面，忽视了生产环境下必须考虑的性能瓶颈、安全防护等关键因素。去年我们电商系统在618大促期间，就曾因批量插入操作未做优化导致数据库连接池耗尽，这个惨痛教训让我意识到深度优化的重要性。
生产级优化需要建立完整的指标体系，我通常从四个维度进行考量：
- 查询性能：包括SQL执行时间、结果集处理效率
- 写入吞吐：批量操作、事务控制的合理性
- 资源占用：连接池使用率、内存消耗情况
- 安全防护：SQL注入防御、数据权限控制
2. 性能优化实战方案
2.1 SQL执行效率提升
分页查询优化是高频痛点。默认的SELECT COUNT(1)全表扫描在百万级数据下性能极差。我们的解决方案是：
java复制// 启用优化COUNT SQL插件
@Bean
public MybatisPlusInterceptor mybatisPlusInterceptor() {
MybatisPlusInterceptor interceptor = new MybatisPlusInterceptor();
interceptor.addInnerInterceptor(new PaginationInnerInterceptor(DbType.MYSQL){
@Override
protected String optimizeCountSql(String originalSql) {
return "SELECT 1 FROM (" + originalSql + ") tmp";
}
});
return interceptor;
}
字段动态控制能显著减少网络传输量。通过@TableField(select = false)注解配合动态Wrapper：
java复制LambdaQueryWrapper<User> wrapper = Wrappers.lambdaQuery()
.select(User::getId, User::getName) // 按需查询字段
.eq(User::getStatus, 1);
实测表明：在30个字段的表中仅查询必要字段，网络传输时间减少70%
2.2 批量操作最佳实践
批处理插入优化需要特别注意三个参数：
rewriteBatchedStatements=true（JDBC参数）batchSize=1000（每批数量）hikari.maximum-pool-size=50（连接池配置）
我们封装的安全批量插入工具类：
java复制public class BatchInsertHelper {
private static final int BATCH_SIZE = 1000;
@Transactional(rollbackFor = Exception.class)
public <T> boolean batchInsert(IService<T> service, List<T> list) {
if (CollectionUtils.isEmpty(list)) return true;
List<List<T>> partitions = Lists.partition(list, BATCH_SIZE);
for (List<T> batch : partitions) {
if (!service.saveBatch(batch)) {
throw new RuntimeException("Batch insert failed");
}
}
return true;
}
}
2.3 缓存集成策略
二级缓存陷阱：MyBatis默认的PerpetualCache容易导致内存泄漏。推荐集成Caffeine：
yaml复制mybatis-plus:
configuration:
cache-enabled: true
local-cache-scope: statement
java复制@Bean
public Cache mybatisCache() {
return new CaffeineCache("mybatisCache",
Caffeine.newBuilder()
.maximumSize(1000)
.expireAfterWrite(10, TimeUnit.MINUTES)
.build());
}
3. 安全防护体系构建
3.1 SQL注入防御
动态表名风险是常见漏洞来源。必须采用白名单校验：
java复制public class SafeSqlInterceptor implements InnerInterceptor {
private static final Set<String> ALLOW_TABLES = Set.of("user", "order");
@Override
public void beforeQuery(Executor executor, MappedStatement ms,
Object parameter, RowBounds rowBounds, ResultHandler resultHandler,
BoundSql boundSql) {
String sql = boundSql.getSql();
if (sql.contains("${")) {
throw new SecurityException("Dynamic SQL not allowed");
}
// 校验表名
Pattern pattern = Pattern.compile("from\\s+([a-z_]+)");
Matcher matcher = pattern.matcher(sql.toLowerCase());
while (matcher.find()) {
if (!ALLOW_TABLES.contains(matcher.group(1))) {
throw new SecurityException("Illegal table access");
}
}
}
}
3.2 数据权限方案
基于InnerInterceptor实现机构数据隔离：
java复制public class DataPermissionInterceptor extends JsqlParserSupport
implements InnerInterceptor {
@Override
protected void processSelect(Select select, int index, Object obj) {
PlainSelect plainSelect = (PlainSelect) select.getSelectBody();
Expression where = plainSelect.getWhere();
// 添加机构过滤条件
String orgCondition = "org_id = " + SecurityUtils.getCurrentOrgId();
if (where == null) {
plainSelect.setWhere(CCJSqlParserUtil.parseCondExpression(orgCondition));
} else {
AndExpression and = new AndExpression(
where,
CCJSqlParserUtil.parseCondExpression(orgCondition)
);
plainSelect.setWhere(and);
}
}
}
4. 生产环境监控方案
4.1 性能埋点设计
通过自定义Interceptor收集关键指标：
java复制public class MetricsInterceptor implements InnerInterceptor {
private final MeterRegistry meterRegistry;
@Override
public void beforeQuery(Executor executor, MappedStatement ms,
Object parameter, RowBounds rowBounds, ResultHandler resultHandler,
BoundSql boundSql) {
Timer.Sample sample = Timer.start(meterRegistry);
try {
executor.query(ms, parameter, rowBounds, resultHandler, boundSql);
} finally {
sample.stop(Timer.builder("mybatis.query")
.tag("mapper", ms.getId())
.register(meterRegistry));
}
}
}
关键监控指标建议：
mybatis.query.duration：SQL执行耗时hikari.connections.active：连接池使用情况cache.hits：二级缓存命中率
4.2 慢SQL预警机制
结合阿里云Druid的Filter配置：
properties复制# 开启慢SQL记录
spring.datasource.druid.filter.stat.enabled=true
spring.datasource.druid.filter.stat.log-slow-sql=true
spring.datasource.druid.filter.stat.slow-sql-millis=1000
5. 高级特性深度应用
5.1 多租户方案实现
基于TenantLineInnerInterceptor的扩展：
java复制public class CustomTenantInterceptor extends TenantLineInnerInterceptor {
public CustomTenantInterceptor(TenantLineHandler tenantLineHandler) {
super(tenantLineHandler);
}
@Override
public void beforeQuery(Executor executor, MappedStatement ms,
Object parameter, RowBounds rowBounds, ResultHandler resultHandler,
BoundSql boundSql) {
// 白名单表不添加租户条件
if (isIgnoreTable(ms.getId())) {
return;
}
super.beforeQuery(executor, ms, parameter, rowBounds,
resultHandler, boundSql);
}
}
5.2 枚举类型最佳实践
安全枚举处理方案：
java复制@Getter
public enum UserStatus {
ACTIVE(1, "活跃"),
LOCKED(0, "锁定");
@EnumValue
private final int code;
private final String desc;
@JsonCreator
public static UserStatus fromCode(int code) {
for (UserStatus status : values()) {
if (status.code == code) {
return status;
}
}
throw new IllegalArgumentException("Invalid status code");
}
}
6. 性能优化对比测试
我们在压测环境中对比了优化前后的关键指标：
| 测试场景 | 优化前QPS | 优化后QPS | 提升幅度 |
|---|---|---|---|
| 单条查询 | 1250 | 1800 | 44% |
| 批量插入(1000条) | 82 | 520 | 534% |
| 分页查询(page=100) | 230 | 950 | 313% |
关键配置参数经验值：
- 连接池大小 = (核心数 * 2) + 有效磁盘数
- 批量操作大小 = 1000~5000（根据内存调整）
- 二级缓存大小 = 总数据量的15%~20%
7. 常见问题排查指南
问题1：批量插入速度突然下降
- 检查点：JDBC URL是否包含
rewriteBatchedStatements=true - 检查点：连接池wait_timeout是否过短
- 检查点：MySQL的max_allowed_packet参数
问题2：缓存与数据库不一致
- 解决方案：采用@CacheEvict模式
java复制@CacheEvict(value = "userCache",
key = "#user.id",
beforeInvocation = true)
public boolean updateUser(User user) {
return updateById(user);
}
问题3：多租户SQL拼接错误
- 调试方法：开启mybatis-plus的sql日志
yaml复制mybatis-plus:
configuration:
log-impl: org.apache.ibatis.logging.stdout.StdOutImpl
在金融级项目中，我们通过这套优化方案将数据库负载降低了60%，同时防止了3次潜在的SQL注入攻击。特别要注意的是，任何优化都需要基于实际监控数据持续调整，我建议至少每周review一次性能指标。