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。

https://dev.mysql.com/doc/refman/8.0/en/insert-optimization.html

插入一行所需的时间由以下因素决定，其中数字表示大致的比例: 连接:(3) 向服务器发送查询:(2) 解析查询:(2) 插入行:(1 ×行大小) 插入索引:(1 ×索引个数) 关闭:(1)

由此可见，发送一个大语句将为每个插入语句节省7的开销，进一步阅读文本还说:

如果同时插入来自同一客户端的多行，请使用带有多个VALUES列表的INSERT语句一次插入几行。这比使用单独的单行INSERT语句快得多(在某些情况下快很多倍)。

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。

一个主要因素是您是否使用事务引擎以及是否开启了自动提交。

自动提交是默认开启的，你可能想让它保持开启状态;因此，您执行的每个插入操作都会执行自己的事务。这意味着如果您对每行执行一次插入，那么您将为每行提交一个事务。

假设只有一个线程，这意味着服务器需要为每一行同步一些数据到磁盘。它需要等待数据到达一个持久存储位置(最好是RAID控制器中有电池支持的ram)。这本身就相当缓慢，可能会成为这些情况下的限制因素。

当然，我假设你正在使用事务性引擎(通常是innodb)，并且你没有调整设置来降低持久性。

我还假设您使用单个线程来进行这些插入。使用多线程会让事情变得有点混乱，因为一些版本的MySQL在innodb中有工作组提交功能——这意味着多个线程可以共享一次写入事务日志的操作，这很好，因为这意味着更少的同步到持久存储。

另一方面，结果是，您确实希望使用多行插入。

它会产生反效果，但在大多数情况下至少是10,000行。因此，如果将它们批量处理到1,000行，则可能是安全的。

如果你在使用MyISAM，还有很多其他的东西，但我不会用这些来烦你。和平。

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)。

我只是做了一个小的基准测试，似乎对于很多行它不是更快。这里是我插入28000行的结果:

比10000:164.96秒 到5000分37秒 到1000时:12.56秒 到600秒:12.59秒 比500:13.81秒 到250秒:17.96秒 到400时:14.75秒 差100分27秒

看来1000 * 1000是最好的选择。