通常，由于连接开销，多个插入会更慢。一次执行多个插入将减少每次插入的开销。

根据您使用的语言，您可以在访问db并将每个插入添加到批处理之前，使用编程/脚本语言创建一个批处理。然后，您将能够使用一个连接操作执行大型批处理。这是Java中的一个例子。

在同一时间通过导线发送尽可能多的插入。实际的插入速度应该是相同的，但是您将从网络开销的减少中看到性能的提高。

下面是我做的一个PHP小测试的结果:

我试图在3种不同的方式插入3000条记录，使用PHP 8.0, MySQL 8.1 (mysqli)

多个插入查询，包含多个事务:

$start = microtime(true);
for($i = 0; $i < 3000; $i++)
{
    mysqli_query($res, "insert into app__debuglog VALUE (null,now(), 'msg : $i','callstack','user','debug_speed','vars')");
}
$end = microtime(true);
echo "Took " . ($end - $start) . " s\n";

完成5次，平均11.132秒(+/- 0.6秒)

多个插入查询，一个事务:

$start = microtime(true);
mysqli_begin_transaction($res, MYSQLI_TRANS_START_READ_WRITE);
for($i = 0; $i < 3000; $i++)
{
    mysqli_query($res, "insert into app__debuglog VALUE (null,now(), 'msg : $i','callstack','user','debug_speed','vars')");
}
mysqli_commit($res);
$end = microtime(true);
echo "Took " . ($end - $start) . " ms\n";

5次测试的结果:0.48s (+/- 0.04s)

单个聚合插入查询

$start = microtime(true);

$values = "";

for($i = 0; $i < 3000; $i++)
{
    $values .= "(null,now(), 'msg : $i','callstack','user','debug_speed','vars')";
    if($i !== 2999)
        $values .= ",";
}
mysqli_query($res, "insert into app__debuglog VALUES $values");

$end = microtime(true);
echo "Took " . ($end - $start) . " ms\n";

5次测试的结果:0.085s (+/- 0.05s)

因此，对于3000行插入，看起来像:

在单个写事务中使用多个查询比在每个插入中使用多个事务进行多个查询快22倍。 使用单个聚合插入语句仍然比使用单个写事务的多个查询快6倍

我知道我在回答这个问题几乎两年半之后才回答这个问题，但我只是想提供一些来自我现在正在从事的项目的硬数据，这些数据表明，在每个插入中执行多个VALUE块确实比连续的单个VALUE块insert语句快得多。

The code I wrote for this benchmark in C# uses ODBC to read data into memory from an MSSQL data source (~19,000 rows, all are read before any writing commences), and the MySql .NET connector (Mysql.Data.*) stuff to INSERT the data from memory into a table on a MySQL server via prepared statements. It was written in such a way as to allow me to dynamically adjust the number of VALUE blocks per prepared INSERT (ie, insert n rows at a time, where I could adjust the value of n before a run.) I also ran the test multiple times for each n.

做单个VALUE块(例如，一次一行)需要5.7 - 5.9秒的时间。其他取值如下:

一次两行:3.5 - 3.5秒 一次排5行:2.2 - 2.2秒 一次10行:1.7 - 1.7秒 一次50行:1.17 - 1.18秒 一次100行:1.1 - 1.4秒 一次500行:1.1 - 1.2秒 一次1000行:1.17 - 1.17秒

所以，是的，即使只是将2或3个写入捆绑在一起，也可以显著提高速度(运行时减少了n倍)，直到达到n = 5和n = 10之间的某个位置，此时改进显著下降，而在n = 10到n = 50范围内的某个位置，改进几乎可以忽略不计。

希望这有助于人们决定(a)是否使用multiprepare思想，(b)每个语句创建多少VALUE块(假设你想要处理的数据可能足够大，以推动查询超过MySQL的最大查询大小，我相信在很多地方默认是16MB，可能更大或更小，这取决于服务器上设置的max_allowed_packet的值)。

我会添加信息，一次太多行取决于它们的内容可能导致得到一个大于“max_allowed_packet”的包。

也许可以考虑使用类似PHP的array_chunk这样的函数对大数据集进行多次插入。

通常，由于连接开销，多个插入会更慢。一次执行多个插入将减少每次插入的开销。

根据您使用的语言，您可以在访问db并将每个插入添加到批处理之前，使用编程/脚本语言创建一个批处理。然后，您将能够使用一个连接操作执行大型批处理。这是Java中的一个例子。