什么是ORM框架中的批量操作
在开发后台管理系统或数据导入功能时，经常会遇到需要一次性插入或更新成百上千条记录的情况。如果用普通的单条SQL执行，每条数据都走一次数据库通信，效率极低。这时候，ORM框架提供的批量操作功能就派上用场了。
常见的ORM如Django ORM、SQLAlchemy、TypeORM、MyBatis Plus等，都支持不同形式的批量写入和更新，合理使用能显著提升性能。
Django中的bulk_create
比如在Django项目中处理Excel导入用户数据的场景，用普通的save()逐条保存，1000条可能要几秒甚至更久。换成bulk_create，时间能压到几百毫秒。
from myapp.models import User<br><br>user_list = [<br> User(name='张三', age=25),<br> User(name='李四', age=30),<br> # ... 更多用户<br>]<br><br>User.objects.bulk_create(user_list, batch_size=100)这里的batch_size参数控制每次提交的数据量，避免单次SQL过长。注意：bulk_create不会触发模型的save()方法，也不会执行信号（signals），适合纯数据写入场景。
SQLAlchemy的bulk_insert_mappings
在使用Flask或FastAPI搭配SQLAlchemy时，如果只是想快速导入数据，可以跳过实例化对象的过程，直接传字典列表：
from sqlalchemy.orm import sessionmaker<br>from mymodels import User<br><br>data = [<br> {'name': '王五', 'age': 28},<br> {'name': '赵六', 'age': 32}<br>]<br><br>session.bulk_insert_mappings(User, data)<br>session.commit()这种方式比创建实例再add_all()更快，尤其适合从CSV或API批量获取原始数据后直接入库的场景。
批量更新也不能忽视
除了插入，批量更新也是高频需求。比如电商系统每天同步商品库存，几千条记录逐条update肯定扛不住。Django提供了bulk_update：
products = Product.objects.filter(category='手机')<br>for p in products:<br> p.stock -= 1<br><br>Product.objects.bulk_update(products, fields=['stock'], batch_size=100)字段名要明确指定，不然ORM不知道该更新哪些列。MyBatis Plus里也有类似方法updateBatchById，用法差不多。
实际使用中的坑
批量操作虽快，但也不是万能。比如事务太大容易锁表，特别是在MySQL的InnoDB下，大批量写入可能引发锁等待。建议结合业务拆分成小批次，比如每次处理200~500条，中间加个短暂延迟，既保证速度又不拖垮数据库。
另外，并非所有字段类型都支持批量操作。像PostgreSQL的JSONField或MySQL的Text字段，在某些ORM版本中可能有兼容性问题，上线前最好在测试环境跑一遍真实数据。
还有一个容易忽略的点：自增ID的获取。bulk_create之后，新插入记录的id字段可能是空的，如果后续逻辑依赖这些ID，得手动重新查询填充。
什么时候该用批量操作
当你发现页面卡在“正在导入数据”，进度条半天不动，大概率是用了循环+单条保存。这时候换成批量操作，用户体验立马改善。日志里频繁出现相同结构的INSERT语句，也是明显的优化信号。
不过小数据量没必要折腾，比如一次只插两三条，用批量反而增加代码复杂度。重点还是看场景：数据量大、频率高、实时性要求不强的任务，最适合上批量操作。