近期用到了利用JDBC查询Oracle数据库，但是查询效率不尽人意，研究了一下JDBC方面可以优化的地方，在这里跟大家分享一下。
1.设置最优的预取值
defaultRowPrefetch：预取条数默认值
defaultBatchValue：触发查询操作的批量请求值
这两个参数的默认值都是10，我们可以通过增加这两个参数值来减少数据库请求以提高查询效率，当然具体值大小要视具体情况而定。
2.通过连接池获取连接
创建连接的代价很大，通过连接池获取连接可省去创建连接时间。
3.选择合适的Statement接口（共有三种）
- Statement：只支持静态sql
- PreparedStatement：支持动态输入参数的sql, 因为其预编译的sql具有可重用性，可极大地避免Oracle对sql的（应解析和软解析）解析时间，提高查询速度
- CallableStatement：专门针对存储过程，使用它能享受到所有存储过程带来的优势，但也包括存储过程带来的劣势如Java程序可移植性查，依赖数据库等
4.设置检索时的批量值
Statement.getFetchSize();
获取一次检索的批量值
Statement.setFetchSize(30); 设置批量值
传统情况下，设置FetchSize值对检索大数据表时性能的提升是很明显的，原因是jdbc驱动默认每次只检索10条记录（传到客户端的应该是一个游标），如果我们要检索100条数据，那么就需要客户端和服务器端进行10次网络往返才能全部传输完毕，每次网络间传输都会耗掉一些时间，比如采用TCP/IP协议的话，要建立连接握手及额外的协议头尾开销等，这样势必会影响客户端的响应。至于JDBC为何要设计这么小的数，有人说是为了避免jvm
out of memory 问题。
具体性能能提高多少，请参考：http://blog.lishman.com/2008/03/jdbc-fetch-size.html
当然，FetchSize并不是越大越好，至于原因请参考：http://stackoverflow.com/questions/9220171/setting-oracle-size-of-row-fetches-higher-makes-my-app-slower
5.设置ResultSet的批量值
ResultSet.getFetchSize(); 获取默认批量值
ResultSet.setFetchSize(50); 设置批量值
处理大数据时可显著提高处理速度
6.设置ResultSet合适的处理方向
ResultSet.getFetchDirection(); 获取默认值
ResultSet.setFetchDirection(FETCH_REVERSE);设置合适的值
7.从ResultSet获取数据时有两种方式， rs.getObject(int column_index) 和 rs.getObject(String column_label)
- rs.getObject(int column_index)：这种方式直接根据索引从rs对象中取出 ，最快
- rs.getObject(String column_label) ：
这种方式需要先通过label获取到索引，然后再根据索引取数据，比直接利用索引多走了一步
8.合理的使用ResultSet的getXXX()方法
ResultSet提供了很多各式各样的getxxx() 方法，比如你知道第一个值是String类型的话，那么就写成getString(1),如果你不指示明确的话，它会则需要把这个值再转换成合适的Java类型，转换的代价是比较大的，如果检索出来的数据有一百万条的话，那么这个字段值就会被转换一百万次。
9.优化查询SQL
比如避免使用select * from table where condition...,因为这么做会把所有的数据项目查询出来，比如我们只需要Salary的话，我们就写成select salary from employee where name=RR,避免不必要数据的检索。
10.Cache只读（read-only）和主读（read-mostly）表的数据
只读表的数据不会发生变化，主读表发生变化较少，如果每次请求都读一遍表的话显然是没有必要，因此可以把这些数据缓存起来。当然，对于主读表要设定一定的更新时间。
11.迭代分批次获取数据替代一次大批量获取数据
某些情况下，应用程序可能会通过JDBC一次请求大量数据，而应用程序可能会一次把所有数据返回给客户端，这样会用掉很多时间，可以采取如下方式解决：
- 在Server端缓存数据，分批次发给Client端，比如Server端查询出1000条数据，可以分10批次每次传送100条给Client端
- 不在Server端缓存数据，而通过存储过程迭代的返回小批量数据