当前位置：首页 > news >正文

SpringJPA统计数据库表行数及更新频率

news 来源：原创 2025/6/16 11:31:33

数据处理的规范中，第一个层次是ODS，一般成为贴元层，最靠近业务库的数据。需要统计ODS中有数据表的行数，及更新频率。（假设在ODS中是Mysql数据库）

需求描述

有多个mysql的实例，每个实例中有多个数据库schema，每个shema有多个数据表。原始的数据定时增量同步或全量同步到ODS中，ODS中不包含数据的历史版本。是同步的最新版本。

根据当前的现状，需要统计

每个表有多少行

每个表更新的频率

每个表的字段详细

实现思路

分析需求

通过读取myql的元数据，获取到每个数据表的行数。然后持续保存一定的周期，如60天，可以观察一下它的趋势，如果在60天之后，都没有更新，基本上不是高频数据。

通过读取mysql的元数据，获取每个表的字段信息，可以获取到每个表的字段详细信息，这个不需要保留历史版本，仅仅保留最新的一个版本

技术方案

使用SpringBoot+jpa的方式来进行实现

表元数据获取

解析config.xml文件，形成一个类。然后采用jdbc的原始方式进行循环连接各url。获取到数据之后，转入到相应的类中。使用jpa的@entity的方式，将数据保存到数据库中

列元数据获取

解析config.xml文件，形成一个类。然后采用jdbc的原始方式进行循环连接各url。获取到列的数据之后，转入到相应的类中。使用jpa的@entity的方式，将数据分批保存到数据库中

非功能性

为保障程序的稳健性运行，需要考虑日志，异常，可配置性

日志

logback:rolling policy:file-name-pattern: "datemeta.%d{yyyy-MM-dd}.%i.log"max-history: 10max-file-size: 1000KBtotal-size-cap: 20000KB

异常

自定义异常及枚举异常的类型

public enum DbMetaErrorCode {// 文件相关错误CONFIG_FILE_NOT_FOUND(1001, "配置文件未找到: {0}"),CONFIG_PARSE_ERROR(1002, "配置文件解析失败: {0}"),// 配置验证错误DUPLICATE_DATA_INSTANCE(2001, "发现重复的数据源实例名称: {0}"),MISSING_DATA_INSTANCE_NAME(2002, "数据源实例缺少有效的 dbinstancename"),INVALID_DATASOURCE_URL(2003, "{0}: URL无效"),MISSING_DRIVER_CLASS(2004, "{0}: 缺少驱动类名"),INVALID_KEEPDAYS(2005, "保留天数无效, 必须在{0}-{1}之间, 当前值: {2}"),MISSING_DEST_DATASOURCE(2006, "目标数据源配置缺失"),MISSING_DEST_URL(2007, "目标数据源URL缺失"),MISSING_DEST_DRIVER(2008, "目标数据源驱动类名缺失"),// 系统错误SYSTEM_STARTUP_FAILED(5001, "系统启动失败"),DATABASE_CONNECTION_FAILED(5002, "数据库连接失败: {0}"),// 通用错误INVALID_CONFIG(6001, "配置无效: {0}");private final int code;private final String messageTemplate;DbMetaErrorCode(int code, String messageTemplate) {this.code = code;this.messageTemplate = messageTemplate;}public int getCode() {return code;}public String getMessage(Object... params) {return MessageFormat.format(messageTemplate, params);}
}

配置化

原始数据库的连接，配置化

目标数据库的连接，配置化

用户的使用方式

本机具有jdk8以上环境

有3个文件，将这3个文件，复制到同一个目录下。该目录不要使用中文。

数据源配置config.xml

字段解释

keepdays：在数据库中保留的表的元数据历史版本天数

<sourcedatasource>

是针对原始的数据库实例的目录

datainstance是数据库的实例，可以有多个实例，如A，B，C等

数据库实例中有多个数据库，仅选择任意一个数据库，配置数据库连接。这样就可以访问该实例中所有的元数据。

如，数据库有5个实例，ABCDE，每个实例下有100个库。

那么在需要配置 datainstance 5个。

每个里面的原始选择该 datainstance下任意一个数据库的driveclass， url，password

<destinationdatasource>

这个是将结果的元数据存入的数据库；统计的数据会被执行到该数据库中，

注意：在xml中配置连接的时候，如果出现特殊字符，需要进行转义。如& 字符需要转换为&amp,

<destinationdatasource><driverclassname>com.mysql.cj.jdbc.Driver</driverclassname><url>jdbc:mysql://localhost:3306/speed?useUnicode=true&amp;characterEncoding=utf-8&amp;useSSL=false&amp;serverTimezone=Asia/Shanghai</url><username>root</username><password>Steven@123</password><note>目标数据库</note></destinationdatasource>

目标数据库下sql语句执行

CREATE TABLE `tablemetainfo` (`id` bigint NOT NULL,`codecreateUserId` varchar(255) DEFAULT NULL,`codecreateTime` datetime(6) DEFAULT NULL,`codelastModifiedUserId` varchar(255) DEFAULT NULL,`codelastModifiedTime` datetime(6) DEFAULT NULL,`codeversion` int DEFAULT NULL,`dbinstancename` varchar(255) DEFAULT NULL,`note` varchar(255) DEFAULT NULL,`tableCatalog` varchar(255) DEFAULT NULL,`tableSchema` varchar(255) DEFAULT NULL,`tableName` varchar(255) DEFAULT NULL,`tableType` varchar(255) DEFAULT NULL,`engine` varchar(255) DEFAULT NULL,`version` int DEFAULT NULL,`rowFormat` varchar(255) DEFAULT NULL,`tableRows` bigint DEFAULT NULL,`avgRowLength` bigint DEFAULT NULL,`dataLength` bigint DEFAULT NULL,`maxDataLength` bigint DEFAULT NULL,`indexLength` bigint DEFAULT NULL,`dataFree` bigint DEFAULT NULL,`autoIncrement` bigint DEFAULT NULL,`createTime` datetime(6) DEFAULT NULL,`updateTime` datetime(6) DEFAULT NULL,`checkTime` datetime(6) DEFAULT NULL,`tableCollation` varchar(255) DEFAULT NULL,`checksum` varchar(255) DEFAULT NULL,`createOptions` varchar(255) DEFAULT NULL,`tableComment` varchar(255) DEFAULT NULL,PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;CREATE TABLE `columnmetainfo` (`id` bigint NOT NULL,`codecreateUserId` varchar(255) DEFAULT NULL,`codecreateTime` datetime(6) DEFAULT NULL,`codelastModifiedUserId` varchar(255) DEFAULT NULL,`codelastModifiedTime` datetime(6) DEFAULT NULL,`codeversion` int DEFAULT NULL,`dbname` varchar(255) DEFAULT NULL,`note` varchar(255) DEFAULT NULL,`tableCatalog` varchar(255) DEFAULT NULL,`tableSchema` varchar(255) DEFAULT NULL,`tableName` varchar(255) DEFAULT NULL,`columnName` varchar(255) DEFAULT NULL,`ordinalPosition` int NOT NULL,`columnDefault` varchar(255) DEFAULT NULL,`isNullable` varchar(255) DEFAULT NULL,`dataType` varchar(255) DEFAULT NULL,`numericPrecision` int DEFAULT NULL,`numericScale` int DEFAULT NULL,`datetimePrecision` int DEFAULT NULL,`characterSetName` varchar(255) DEFAULT NULL,`collationName` varchar(255) DEFAULT NULL,`columnType` varchar(255) DEFAULT NULL,`columnKey` varchar(255) DEFAULT NULL,`extra` varchar(255) DEFAULT NULL,`privileges` varchar(255) DEFAULT NULL,`columnComment` varchar(255) DEFAULT NULL,`generationExpression` varchar(255) DEFAULT NULL,`srsId` varchar(255) DEFAULT NULL,PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;CREATE TABLE `logdto` (`id` bigint NOT NULL,`codecreateUserId` varchar(255) DEFAULT NULL,`codecreateTime` datetime(6) DEFAULT NULL,`codelastModifiedUserId` varchar(255) DEFAULT NULL,`codelastModifiedTime` datetime(6) DEFAULT NULL,`codeversion` int DEFAULT NULL,`logContent` varchar(255) DEFAULT NULL,`logType` int DEFAULT NULL,`operateType` int DEFAULT NULL,`createBy` varchar(255) DEFAULT NULL,`createTime` datetime(6) DEFAULT NULL,`costTime` bigint DEFAULT NULL,`ip` varchar(255) DEFAULT NULL,`requestParam` varchar(255) DEFAULT NULL,`requestType` varchar(255) DEFAULT NULL,`requestUrl` varchar(255) DEFAULT NULL,`method` varchar(255) DEFAULT NULL,`username` varchar(255) DEFAULT NULL,`userid` varchar(255) DEFAULT NULL,`tenantId` int DEFAULT NULL,`clientType` varchar(255) DEFAULT NULL,PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;

运行程序

在3个文件的目录下，进入dos的界面，执行

java -jar .\dbmeta-1.0.1.jar；将自动部署一个web服务程序

获取表的元数据

用户手动触发访问

这个是获取到最新的表的元数据。

http://127.0.0.1:8066/tabledatainfo

自动定时任务

// 每天凌晨5点执行，cron 表达式：0 0 5 * * ?
@Scheduled(cron = "0 0 5 * * ?")

每次执行的时候，把今天的数据先进行删除，然后把60天的数据删除，然后在插入本次获取的数据。

获取列的元数据

这个是获取到最新的列的元数据

http://127.0.0.1:8066/columndatainfo

列每次手动更新，没有必要定时任务

数据分析

SELECT
   dbinstancename,
   tableSchema,
   tablename,(
   max( tablerows )- min( tablerows )) maxmindiff
FROM
   tableinfo
GROUP BY
   dbinstancename,
   tableSchema,
   tablename
HAVING
   max( tablerows )- min( tablerows )>10

假设最大值-最小值=10，为更新频率高的标记。

从这个结果集中，可以初步评估有哪些是高频更新，哪些是低频更新。

这种评估方法对于在ods中没有更新时间的来看，是可参考的。

最理想的方式，是在ODS的同步时候，同时需要同步 updatetime的时间

开源的代码地址

https://gitee.com/stevenworkshop_admin/dbmeta