@BatchSize chytré nebo hloupé použití?

1. Ano, @BatchSize je určen k použití s ​​línými asociacemi.
2. Hibernace stejně provede více příkazů na většině stanic, i když je počet neinicializovaných proxy/kolekcí menší než zadaná velikost dávky. Další podrobnosti naleznete v této odpovědi. Také více lehčích dotazů ve srovnání s méně velkými může pozitivně přispět k celkové propustnosti systému.
3. @BatchSize na úrovni třídy znamená, že zadaná velikost dávky pro entitu bude použita pro všechny @*ToOne líné asociace s touto entitou. Podívejte se na příklad s Person entity v dokumentaci.

Propojené otázky/odpovědi, které jste uvedli, se více týkají potřeby optimalizace a líného načítání obecně. Platí zde samozřejmě také, ale netýkají se pouze dávkového načítání, což je pouze jeden z možných přístupů.

Další důležitá věc souvisí s dychtivým načítáním, které je zmíněno v propojených odpovědích a které naznačuje, že pokud se vlastnost používá vždy, můžete dosáhnout lepšího výkonu pomocí dychtivého načítání. To obecně není pravda pro sbírky a v mnoha situacích také pro asociace typu to-one.

Předpokládejme například, že máte následující entitu, pro kterou je bs a cs jsou vždy používá se při A se používá.

public class A {
  @OneToMany
  private Collection<B> bs;

  @OneToMany
  private Collection<C> cs;
}

Dychtivě načítám bs a cs očividně trpí problémem s výběry N+1, pokud je nespojíte v jediném dotazu. Ale pokud je spojíte v jediném dotazu, například jako:

select a from A
  left join fetch a.bs
  left join fetch a.cs

poté vytvoříte úplný kartézský součin mezi bs a cs a vrátí count(a.bs) x count(a.cs) řádků v sadě výsledků pro každý a které jsou čteny jeden po druhém a sestavovány do entit A a jejich sbírky bs a cs .

Dávkové načítání by v této situaci bylo velmi optimální, protože byste nejprve přečetli A s, poté bs a poté cs , což má za následek více dotazů, ale s mnohem menším celkovým množstvím dat přenesených z databáze. Samostatné dotazy jsou také mnohem jednodušší než velký dotaz se spojeními a databáze se snáze spouští a optimalizuje.