初用 HIBERNATE 的人也许都遇到过性能问题，实现同一功能，用 HIBERNATE 与用 JDBC 性能相差十几倍很正常，如果不及早调整，很可能影响整个项目的进度。
大体上，对于 HIBERNATE 性能调优的主要考虑点如下 :
•数据库设计调整
•HQL 优化
•API 的正确使用 ( 如根据不同的业务类型选用不同的集合及查询 API)
•主配置参数 ( 日志，查询缓存， fetch_size, batch_size 等 )
•映射文件优化 (ID 生成策略，二级缓存，延迟加载，关联优化 )
•一级缓存的管理
•针对二级缓存，还有许多特有的策略
•事务控制策略。
1 、 数据库设计
a) 降低关联的复杂性
b) 尽量不使用联合主键
c) ID 的生成机制，不同的数据库所提供的机制并不完全一样
d) 适当的冗余数据，不过分追求高范式
2 、 HQL 优化
HQL 如果抛开它同 HIBERNATE 本身一些缓存机制的关联， HQL 的优化技巧同普通的 SQL 优化技巧一样，可以很容易在网上找到一些经验之谈。
3 、 主配置
a) 查询缓存，同下面讲的缓存不太一样，它是针对 HQL 语句的缓存，即完全一样的语句再次执行时可以利用缓存数据。但是，查询缓存在一个交易系统 ( 数据变更频繁，查询条件相同的机率并不大 ) 中可能会起反作用 : 它会白白耗费大量的系统资源但却难以派上用场。
b) fetch_size ，同 JDBC 的相关参数作用类似，参数并不是越大越好，而应根据业务特征去设置
c) batch_size 同上。
d) 生产系统中，切记要关掉 SQL 语句打印。
4 、 缓存
a) 数据库级缓存 : 这级缓存是最高效和安全的，但不同的数据库可管理的层次并不一样，比如，在 ORACLE 中，可以在建表时指定将整个表置于缓存当中。
b) SESSION 缓存 : 在一个 HIBERNATE SESSION 有效，这级缓存的可干预性不强，大多于 HIBERNATE 自动管理，但它×××缓存的方法，这在大批量增加 / 更新操作是有效的。比如，同 时增加十万条记录，按常规方式进行，很可能会发现 OutofMemeroy 的异常，这时可能需要手动清除这一级缓存 :Session.evict 以及 Session.clear
c) 应用缓存 : 在一个 SESSIONFACTORY 中有效，因此也是优化的重中之重，因此，各类策略也考虑的较多，在将数据放入这一级缓存之前，需要考虑一些前提条件 :
i. 数据不会被第三方修改 ( 比如，是否有另一个应用也在修改这些数据 ?)
ii. 数据不会太大
iii. 数据不会频繁更新 ( 否则使用 CACHE 可能适得其反 )
iv. 数据会被频繁查询
v. 数据不是关键数据 ( 如涉及钱，安全等方面的问题 ) 。
缓存有几种形式，可以在映射文件中配置 :read-only( 只读，适用于很少变更的静态数据 / 历史数据 ) ， nonstrict-read-write ， read-write( 比较普遍的形式，效率一般 ) ， transactional(JTA 中，且支持的缓存产品较少 )
d) 分布式缓存 : 同 c) 的配置一样，只是缓存产品的选用不同，在目前的 HIBERNATE 中可供选择的不多， oscache, jboss cache ，目前的大多数项目，对它们的用于集群的使用 ( 特别是关键交易系统 ) 都持保守态度。在集群环境中，只利用数据库级的缓存是最安全的。
5 、 延迟加载
a) 实体延迟加载 : 通过使用动态代理实现
b) 集合延迟加载 : 通过实现自有的 SET/LIST ， HIBERNATE 提供了这方面的支持
c) 属性延迟加载 :
6 、 方法选用
a) 完成同样一件事， HIBERNATE 提供了可供选择的一些方式，但具体使用什么方式，可能用性能 / 代码都会有影响。显示，一次返回十万条记录 (List/Set/Bag/Map 等 ) 进行处理，很可能导致内存不够的问题，而如果用基于游标 (ScrollableResults) 或 Iterator 的结果集，则不存在这样的问题。
b) Session 的 load/get 方法，前者会使用二级缓存，而后者则不使用。
c) Query 和 list/iterator ，如果去仔细研究一下它们，你可能会发现很多有意思的情况，二者主要区别 ( 如果使用了 Spring ，在 HibernateTemplate 中对应 find,iterator 方法 ):
i. list 只能利用查询缓存 ( 但在交易系统中查询缓存作用不大 ) ，无法利用二级缓存中的单个实体，但 list 查出的对象会写入二级缓存，但它一般只生成较少的执行 SQL 语句，很多情况就是一条 ( 无关联 ) 。
ii. iterator 则可以利用二级缓存，对于一条查询语句，它会先从数据库中找出所有符合条件的记录的 ID ，再通过 ID 去缓存找，对于缓存中没有的记录，再 构造语句从数据库中查出，因此很容易知道，如果缓存中没有任何符合条件的记录，使用 iterator 会产生 N+1 条 SQL 语句 (N 为符合条件的记录数 )
iii. 通过 iterator ，配合缓存管理 API ，在海量数据查询中可以很好的解决内存问题，如 :
while(it.hasNext()){
YouObject object = (YouObject)it.next();
session.evict(youObject);
sessionFactory.evice(YouObject.class, youObject.getId());
}
如果用 list 方法，很可能就出 OutofMemory 错误了。
iv. 通过上面的说明，我想你应该知道如何去使用这两个方法了。
7 、 集合的选用
在 HIBERNATE 3.1 文档的“ 19.5. Understanding Collection performance” 中有详细的说明。
8 、 事务控制
事务方面对性能有影响的主要包括 : 事务方式的选用，事务隔离级别以及锁的选用
a) 事务方式选用 : 如果不涉及多个事务管理器事务的话，不需要使用 JTA ，只有 JDBC 的事务控制就可以。
b) 事务隔离级别 : 参见标准的 SQL 事务隔离级别
c) 锁的选用 : 悲观锁 ( 一般由具体的事务管理器实现 ) ，对于长事务效率低，但安全。乐观锁 ( 一般在应用级别实现 ) ，如在 HIBERNATE 中可以定义 VERSION 字段，显然，如果有多个应用操作数据，且这些应用不是用同一种乐观锁机制，则乐观锁会失效。因此，针对不同的数据应有不同的策略，同前面许 多情况一样，很多时候我们是在效率与安全 / 准确性上找一个平衡点，无论如何，优化都不是一个纯技术的问题，你应该对你的应用和业务特征有足够的了解。
9 、 批量操作
即使是使用 JDBC ，在进行大批数据更新时， BATCH 与不使用 BATCH 有效率上也有很大的差别。我们可以通过设置 batch_size 来让其支持批量操作。
举个例子，要批量删除某表中的对象，如“ delete Account” ，打出来的语句，会发现 HIBERNATE 找出了所有 ACCOUNT 的 ID ，再进行删除，这主要是为了维护二级缓存，这样效率肯定高不 了，在后续的版本中增加了 bulk delete/update ，但这也无法解决缓存的维护问题。也就是说，由于有了二级缓存的维护问题， HIBERNATE 的批量操作效率并不尽如人意 !
从 前面许多要点可以看出，很多时候我们是在效率与安全 / 准确性上找一个平衡点，无论如何，优化都不是一个纯技术的问题，你应该对你的应用和业务特征有足够的 了解，一般的，优化方案应在架构设计期就基本确定，否则可能导致没必要的返工，致使项目延期，而作为架构师和项目经理，还要面对开发人员可能的抱怨，必 竟，我们对用户需求更改的控制力不大，但技术 / 架构风险是应该在初期意识到并制定好相关的对策。
还有一点要注意，应用层的缓存只是锦上添花，永远不要把它当救命稻草，应用的根基 ( 数据库设计，算法，高效的操作语句，恰当 API 的选择等 ) 才是最重要的。
