# Rozwiązania problemu N+1 w Spring Data JPA w 2026: Fetch Join i EntityGraph

> Kompletny przewodnik po wykrywaniu i usuwaniu problemu N+1 w Spring Data JPA. Fetch join, @EntityGraph, batch fetching i strategie wydajności zapytań.

- Published: 2026-03-17
- Updated: 2026-05-01
- Author: SharpSkill
- Tags: spring data jpa, n+1 problem, fetch join, entitygraph, performance
- Reading time: 12 min

---

Problem N+1 stanowi jedną z najczęstszych pułapek wydajnościowych w JPA. Niewinne zapytanie pobierające 100 zamówień może wyzwolić 101 zapytań SQL: jedno dla zamówień, a następnie po jednym dla każdego powiązanego klienta. To ciche mnożenie zapytań pogarsza wydajność i przeciąża bazę danych.

> **Realny Wpływ N+1**
>
> Endpoint zwracający 50 artykułów wraz z autorami może wzrosnąć z 10ms do 500ms z powodu problemu N+1. Wczesne wykrycie zapobiega krytycznym problemom w produkcji.

## Zrozumienie Problemu N+1 w JPA

Problem N+1 występuje, gdy JPA ładuje kolekcję encji, a następnie wykonuje dodatkowe zapytanie dla każdej encji w celu załadowania jej powiązań. Zachowanie to wynika z domyślnego leniwego ładowania relacji `@OneToMany` i `@ManyToMany`.

Rozważmy klasyczny model z zamówieniami i klientami. Każde zamówienie należy do klienta, a relacja ta domyślnie używa leniwego ładowania.

```java
// Order.java
@Entity
@Table(name = "orders")
public class Order {

    @Id
    @GeneratedValue(strategy = GenerationType.IDENTITY)
    private Long id;

    private String orderNumber;

    private LocalDateTime createdAt;

    // ManyToOne relationship is lazy by default since JPA 2.0
    @ManyToOne(fetch = FetchType.LAZY)
    @JoinColumn(name = "customer_id")
    private Customer customer;

    // OneToMany relationship lazy by default
    @OneToMany(mappedBy = "order", fetch = FetchType.LAZY)
    private List<OrderItem> items = new ArrayList<>();

    // Getters and setters omitted
}
```

```java
// Customer.java
@Entity
@Table(name = "customers")
public class Customer {

    @Id
    @GeneratedValue(strategy = GenerationType.IDENTITY)
    private Long id;

    private String name;

    private String email;

    // Getters and setters omitted
}
```

Gdy zapytanie pobiera zamówienia, a następnie uzyskuje dostęp do nazwy klienta, Hibernate wykonuje dodatkowe zapytanie dla każdego zamówienia.

```java
// OrderService.java - Problematic code
@Service
@RequiredArgsConstructor
public class OrderService {

    private final OrderRepository orderRepository;

    public List<OrderDto> getAllOrders() {
        // 1 query: SELECT * FROM orders
        List<Order> orders = orderRepository.findAll();

        // For each order, accessing customer triggers a query
        return orders.stream()
            .map(order -> new OrderDto(
                order.getId(),
                order.getOrderNumber(),
                // N queries: SELECT * FROM customers WHERE id = ?
                order.getCustomer().getName()
            ))
            .toList();
    }
}
```

Dla 100 zamówień ten kod wykonuje 101 zapytań SQL. Logi Hibernate ujawniają ten destrukcyjny wzorzec.

```sql
-- Query 1: fetch orders
SELECT o.id, o.order_number, o.created_at, o.customer_id FROM orders o

-- Queries 2-101: fetch each customer
SELECT c.id, c.name, c.email FROM customers c WHERE c.id = 1
SELECT c.id, c.name, c.email FROM customers c WHERE c.id = 2
SELECT c.id, c.name, c.email FROM customers c WHERE c.id = 3
-- ... 97 more identical queries
```

## Wykrywanie Problemu N+1 za pomocą Logów Hibernate

Pierwszym krokiem jest włączenie logów SQL w celu zidentyfikowania problematycznych zapytań. Poniższa konfiguracja wyświetla każde zapytanie wykonane przez Hibernate.

```yaml
# application.yml
spring:
  jpa:
    show-sql: true
    properties:
      hibernate:
        # Format SQL for better readability
        format_sql: true
        # Display session statistics (queries, time)
        generate_statistics: true

logging:
  level:
    # Detailed SQL query logging
    org.hibernate.SQL: DEBUG
    # Display prepared statement parameters
    org.hibernate.orm.jdbc.bind: TRACE
```

Statystyki Hibernate dostarczają cennego podsumowania na końcu każdej transakcji.

```
Session Metrics {
    23421 nanoseconds spent acquiring 1 JDBC connection;
    0 nanoseconds spent releasing 0 JDBC connections;
    1254789 nanoseconds spent preparing 101 JDBC statements;
    15478963 nanoseconds spent executing 101 JDBC statements;
    0 nanoseconds spent executing 0 JDBC batches;
}
```

Liczba 101 instrukcji JDBC dla prostej listy zamówień jednoznacznie sygnalizuje problem N+1.

> **Wyłączyć w Produkcji**
>
> Logi SQL i statystyki wpływają na wydajność. Te opcje powinny pozostać wyłączone w produkcji i być zarezerwowane dla środowisk deweloperskich i testowych.

## Rozwiązanie 1: Fetch Join z JPQL

Fetch join ładuje powiązania w jednym zapytaniu SQL poprzez join. To jawne podejście rozwiązuje problem N+1, pobierając wszystkie potrzebne dane za jednym razem.

```java
// OrderRepository.java
public interface OrderRepository extends JpaRepository<Order, Long> {

    // Explicit fetch join to load customers
    @Query("SELECT o FROM Order o JOIN FETCH o.customer")
    List<Order> findAllWithCustomer();

    // Multiple fetch join for several associations
    @Query("SELECT o FROM Order o " +
           "JOIN FETCH o.customer c " +
           "JOIN FETCH o.items i")
    List<Order> findAllWithCustomerAndItems();

    // Fetch join with WHERE condition
    @Query("SELECT o FROM Order o " +
           "JOIN FETCH o.customer c " +
           "WHERE o.createdAt > :since")
    List<Order> findRecentOrdersWithCustomer(
        @Param("since") LocalDateTime since
    );
}
```

Fetch join przekształca N+1 zapytań w jedno zoptymalizowane zapytanie.

```sql
-- Single query with join
SELECT o.id, o.order_number, o.created_at, o.customer_id,
       c.id, c.name, c.email
FROM orders o
JOIN customers c ON o.customer_id = c.id
```

Usługa korzysta teraz ze zoptymalizowanej metody bez modyfikacji kodu biznesowego.

```java
// OrderService.java - Optimized code
@Service
@RequiredArgsConstructor
public class OrderService {

    private final OrderRepository orderRepository;

    public List<OrderDto> getAllOrders() {
        // Single query with join
        List<Order> orders = orderRepository.findAllWithCustomer();

        // No additional queries
        return orders.stream()
            .map(order -> new OrderDto(
                order.getId(),
                order.getOrderNumber(),
                order.getCustomer().getName() // Already loaded
            ))
            .toList();
    }
}
```

## Rozwiązanie 2: @EntityGraph dla Deklaratywnej Kontroli

Adnotacja `@EntityGraph` oferuje deklaratywną alternatywę dla fetch join. Definiuje, które powiązania mają być ładowane, bez konieczności pisania niestandardowego JPQL.

```java
// OrderRepository.java
public interface OrderRepository extends JpaRepository<Order, Long> {

    // Inline EntityGraph with attributePaths
    @EntityGraph(attributePaths = {"customer"})
    List<Order> findAll();

    // EntityGraph with multiple attributes
    @EntityGraph(attributePaths = {"customer", "items"})
    List<Order> findByCreatedAtAfter(LocalDateTime since);

    // Named EntityGraph referencing entity definition
    @EntityGraph(value = "Order.withCustomerAndItems")
    List<Order> findByCustomerId(Long customerId);

    // Combination with custom query
    @EntityGraph(attributePaths = {"customer"})
    @Query("SELECT o FROM Order o WHERE o.orderNumber LIKE :prefix%")
    List<Order> findByOrderNumberPrefix(@Param("prefix") String prefix);
}
```

Nazwane EntityGraph są definiowane bezpośrednio na encji w celu ponownego wykorzystania w wielu repozytoriach.

```java
// Order.java
@Entity
@Table(name = "orders")
@NamedEntityGraph(
    name = "Order.withCustomer",
    attributeNodes = @NamedAttributeNode("customer")
)
@NamedEntityGraph(
    name = "Order.withCustomerAndItems",
    attributeNodes = {
        @NamedAttributeNode("customer"),
        @NamedAttributeNode("items")
    }
)
@NamedEntityGraph(
    name = "Order.full",
    attributeNodes = {
        @NamedAttributeNode("customer"),
        @NamedAttributeNode(value = "items", subgraph = "items-product")
    },
    subgraphs = @NamedSubgraph(
        name = "items-product",
        attributeNodes = @NamedAttributeNode("product")
    )
)
public class Order {
    // Fields unchanged
}
```

Subgraph umożliwia ładowanie zagnieżdżonych powiązań. Powyższy przykład ładuje zamówienia, ich pozycje i produkt każdej pozycji w jednym zapytaniu.

## Rozwiązanie 3: Batch Fetching dla Kolekcji

Batch fetching oferuje alternatywę dla fetch join w przypadku kolekcji `@OneToMany`. Zamiast ładować każdą kolekcję indywidualnie, Hibernate grupuje zapytania w paczki.

```java
// Order.java
@Entity
@Table(name = "orders")
public class Order {

    @Id
    @GeneratedValue(strategy = GenerationType.IDENTITY)
    private Long id;

    private String orderNumber;

    @ManyToOne(fetch = FetchType.LAZY)
    @JoinColumn(name = "customer_id")
    private Customer customer;

    // Batch fetching on the collection
    @OneToMany(mappedBy = "order")
    @BatchSize(size = 25)
    private List<OrderItem> items = new ArrayList<>();
}
```

Dzięki `@BatchSize(size = 25)` Hibernate ładuje pozycje dla 25 zamówień jednocześnie zamiast 1. Dla 100 zamówień liczba zapytań spada ze 101 do 5.

```sql
-- Without batch fetching: 100 queries
SELECT * FROM order_items WHERE order_id = 1
SELECT * FROM order_items WHERE order_id = 2
-- ... 98 more queries

-- With @BatchSize(size = 25): 4 queries
SELECT * FROM order_items WHERE order_id IN (1, 2, 3, ..., 25)
SELECT * FROM order_items WHERE order_id IN (26, 27, 28, ..., 50)
SELECT * FROM order_items WHERE order_id IN (51, 52, 53, ..., 75)
SELECT * FROM order_items WHERE order_id IN (76, 77, 78, ..., 100)
```

Globalna konfiguracja rozmiaru paczki dotyczy wszystkich kolekcji w aplikacji.

```yaml
# application.yml
spring:
  jpa:
    properties:
      hibernate:
        # Global default batch size
        default_batch_fetch_size: 25
```

> **Batch a Fetch Join**
>
> Batch fetching nadaje się do przypadków, w których fetch join generuje zbyt duży iloczyn kartezjański. Dla zamówienia z 10 pozycjami i 5 płatnościami fetch join zwraca 50 wierszy. Batch fetching wykonuje 2 oddzielne, bardziej wydajne zapytania.

## Porównanie Strategii Ładowania

Każda strategia oferuje korzyści w zależności od kontekstu użycia. Poniższa tabela podsumowuje optymalne przypadki użycia.

| Strategia | Przypadek Użycia | Zalety | Wady |
|----------|----------|------------|---------------|
| **Fetch Join** | Relacje `@ManyToOne` | Pojedyncze zapytanie SQL | Iloczyn kartezjański z kolekcjami |
| **@EntityGraph** | Deklaratywne ładowanie | Reużywalne, czytelne | Mniej elastyczne niż JPQL |
| **Batch Fetching** | Kolekcje `@OneToMany` | Unika iloczynu kartezjańskiego | Wiele zapytań |
| **Subselect** | Rzadko używane kolekcje | Ładuje tylko gdy potrzebne | Skorelowane podzapytanie |

Strategia subselect ładuje całą kolekcję przy pierwszym dostępie do dowolnego elementu.

```java
// Order.java
@OneToMany(mappedBy = "order")
@Fetch(FetchMode.SUBSELECT)
private List<OrderItem> items = new ArrayList<>();
```

```sql
-- Generated subselect query
SELECT * FROM order_items
WHERE order_id IN (SELECT id FROM orders WHERE created_at > ?)
```

## Unikanie N+1 dzięki Projekcjom DTO

Projekcje DTO oferują radykalne, ale skuteczne podejście. Wybierając tylko niezbędne kolumny, projekcje całkowicie unikają ładowania encji i ich powiązań.

```java
// OrderSummaryDto.java
public record OrderSummaryDto(
    Long orderId,
    String orderNumber,
    String customerName,
    String customerEmail
) {}
```

```java
// OrderRepository.java
public interface OrderRepository extends JpaRepository<Order, Long> {

    // DTO projection with constructor
    @Query("SELECT new com.example.dto.OrderSummaryDto(" +
           "o.id, o.orderNumber, c.name, c.email) " +
           "FROM Order o JOIN o.customer c")
    List<OrderSummaryDto> findAllOrderSummaries();

    // DTO projection with condition
    @Query("SELECT new com.example.dto.OrderSummaryDto(" +
           "o.id, o.orderNumber, c.name, c.email) " +
           "FROM Order o JOIN o.customer c " +
           "WHERE o.createdAt > :since")
    List<OrderSummaryDto> findRecentOrderSummaries(
        @Param("since") LocalDateTime since
    );
}
```

To podejście generuje optymalne zapytanie SQL bez narzutu mapowania encji.

```sql
SELECT o.id, o.order_number, c.name, c.email
FROM orders o
JOIN customers c ON o.customer_id = c.id
WHERE o.created_at > ?
```

## Zaawansowana Konfiguracja ze Spring Data JPA

Spring Data JPA 3.x wprowadza ulepszenia w zarządzaniu EntityGraph i zoptymalizowanymi zapytaniami.

```java
// OrderRepository.java
public interface OrderRepository extends JpaRepository<Order, Long> {

    // Dynamic EntityGraph with Specification
    @EntityGraph(attributePaths = {"customer"})
    List<Order> findAll(Specification<Order> spec);

    // Pagination with EntityGraph
    @EntityGraph(attributePaths = {"customer"})
    Page<Order> findByCustomerNameContaining(
        String name,
        Pageable pageable
    );

    // Slice for efficient pagination
    @EntityGraph(attributePaths = {"customer"})
    Slice<Order> findByCreatedAtBefore(
        LocalDateTime date,
        Pageable pageable
    );
}
```

Warunkowe ładowanie pozwala stosować różne strategie w zależności od kontekstu.

```java
// OrderService.java
@Service
@RequiredArgsConstructor
public class OrderService {

    private final OrderRepository orderRepository;
    private final EntityManager entityManager;

    public List<Order> getOrdersWithGraph(String graphName) {
        // Dynamic EntityGraph retrieval
        EntityGraph<?> graph = entityManager
            .getEntityGraph(graphName);

        return entityManager
            .createQuery("SELECT o FROM Order o", Order.class)
            .setHint("jakarta.persistence.loadgraph", graph)
            .getResultList();
    }

    public List<Order> getOrdersForListing() {
        // Minimal graph for listing
        return getOrdersWithGraph("Order.withCustomer");
    }

    public List<Order> getOrdersForDetail() {
        // Full graph for detail view
        return getOrdersWithGraph("Order.full");
    }
}
```

## Testy Wydajności do Wykrywania N+1

Zautomatyzowane testy weryfikują brak problemów N+1 przez liczenie wykonanych zapytań SQL.

```java
// OrderRepositoryPerformanceTest.java
@DataJpaTest
@AutoConfigureTestDatabase(replace = Replace.NONE)
class OrderRepositoryPerformanceTest {

    @Autowired
    private OrderRepository orderRepository;

    @Autowired
    private EntityManager entityManager;

    @PersistenceContext
    private EntityManager em;

    private Statistics statistics;

    @BeforeEach
    void setUp() {
        // Enable Hibernate statistics
        Session session = entityManager.unwrap(Session.class);
        SessionFactory factory = session.getSessionFactory();
        statistics = factory.getStatistics();
        statistics.setStatisticsEnabled(true);
        statistics.clear();
    }

    @Test
    void findAllWithCustomer_shouldExecuteSingleQuery() {
        // Given: 50 orders in database
        createTestOrders(50);
        entityManager.clear();
        statistics.clear();

        // When: fetch with fetch join
        List<Order> orders = orderRepository.findAllWithCustomer();

        // Then: single query executed
        assertThat(orders).hasSize(50);
        assertThat(statistics.getQueryExecutionCount())
            .as("Should execute only 1 query with fetch join")
            .isEqualTo(1);
    }

    @Test
    void findAll_withoutOptimization_triggersNPlus1() {
        // Given: 50 orders in database
        createTestOrders(50);
        entityManager.clear();
        statistics.clear();

        // When: fetch without optimization
        List<Order> orders = orderRepository.findAll();

        // Access customers to trigger lazy loading
        orders.forEach(o -> o.getCustomer().getName());

        // Then: N+1 queries (51 instead of 1)
        assertThat(statistics.getQueryExecutionCount())
            .as("Should detect N+1 problem")
            .isGreaterThan(1);
    }

    private void createTestOrders(int count) {
        for (int i = 0; i < count; i++) {
            Customer customer = new Customer();
            customer.setName("Customer " + i);
            customer.setEmail("customer" + i + "@test.com");
            entityManager.persist(customer);

            Order order = new Order();
            order.setOrderNumber("ORD-" + i);
            order.setCustomer(customer);
            order.setCreatedAt(LocalDateTime.now());
            entityManager.persist(order);
        }
        entityManager.flush();
    }
}
```

Asercja na `getQueryExecutionCount()` gwarantuje, że optymalizacje zostaną zachowane podczas ewolucji kodu.

## Podsumowanie

Problem N+1 stanowi poważne wyzwanie wydajnościowe w Spring Data JPA, ale istnieje kilka skutecznych rozwiązań. Fetch join i `@EntityGraph` rozwiązują większość przypadków, ładując powiązania w jednym zapytaniu. Batch fetching oferuje alternatywę dla dużych kolekcji, w których fetch join generuje iloczyn kartezjański.

**Lista Kontrolna Zapobiegania N+1:**

- ✅ Włączyć logi SQL w trybie deweloperskim, aby wykrywać wielokrotne zapytania
- ✅ Używać `JOIN FETCH` dla często używanych relacji `@ManyToOne`
- ✅ Stosować `@EntityGraph` dla reużywalnego deklaratywnego ładowania
- ✅ Konfigurować `@BatchSize` dla dużych kolekcji `@OneToMany`
- ✅ Preferować projekcje DTO dla operacji tylko do odczytu
- ✅ Pisać testy weryfikujące liczbę wykonanych zapytań
- ✅ Wyłączać logi SQL i statystyki w produkcji
- ✅ Regularnie profilować krytyczne endpointy z metrykami Hibernate

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/pl/blog/spring-boot/spring-data-jpa-n-plus-1-fetch-join-entitygraph