java使用导出百万级别数据?

共 2383字,需浏览 5分钟

 ·

2020-11-16 23:05

点击上方蓝色字体,选择“标星公众号”

优质文章,第一时间送达

66套java从入门到精通实战课程分享

用过POI的人都知道,在POI以前的版本中并不支持大数据量的处理,如果数据量过多还会常报OOM错误, 这时候调整JVM的配置参数也不是一个好对策(注:jdk在32位系统中支持的内存不能超过2个G,而在64位中没有限制,但是在64位的系统中,性能并不是太好),好在POI3.8版本新出来了一个SXSSFWorkbook对象,它就是用来解决大数据量以及超大数据量的导入导出操作的,但是SXSSFWorkbook只支持.xlsx格式,不支持.xls格式的Excel文件。


这里普及一下,在POI中使用HSSF对象时,excel 2003最多只允许存储65536条数据,一般用来处理较少的数据量,这时对于百万级别数据,Excel肯定容纳不了,而且在计算机性能稍低的机器上测试,就很容易导致堆溢出。而当我升级到XSSF对象时,它可以直接支持excel2007以上版本,因为它采用ooxml格式。这时excel可以支持1048576条数据,单个sheet表就支持近104万条数据了,虽然这时导出100万数据能满足要求,但使用XSSF测试后发现偶尔还是会发生堆溢出,所以也不适合百万数据的导出。


 现在我们知道excel2007及以上版本可以轻松实现存储百万级别的数据,但是系统中的大量数据是如何能够快速准确的导入到excel中这好像是个难题,对于一般的web系统,我们为了解决成本,基本都是使用的入门级web服务器tomcat,既然我们不推荐调整JVM的大小,那我们就要针对我们的代码来解决我们要解决的问题。在POI3.8之后新增加了一个类,SXSSFWorkbook,采用当数据加工时不是类似前面版本的对象,它可以控制excel数据占用的内存,他通过控制在内存中的行数来实现资源管理,即当创建对象超过了设定的行数,它会自动刷新内存,将数据写入文件,这样导致打印时,占用的CPU,和内存很少。但有人会说了,我用过这个类啊,他好像并不能完全解决,当数据量超过一定量后还是会内存溢出的,而且时间还很长。对你只是用了这个类,但是你并没有针对你的需求进行相应的设计,仅仅是用了,所以接下来我要说的问题就是,如何通过SXSSFWorkbook以及相应的写入设计来实现百万级别的数据快速写入。

 我先举个例子,以前我们数据库中存在大量的数据,我们要查询,怎么办?我们在没有经过设计的时候是这样来处理的,先写一个集合,然后执行jdbc,将返回的结果赋值给list,然后再返回到页面上,但是当数据量大的时候,就会出现数据无法返回,内存溢出的情况,于是我们在有限的时间和空间下,通过分页将数据一页一页的显示出来,这样可以避免了大数据量数据对内存的占用,也提高了用户的体验,在我们要导出的百万数据也是一个道理,内存突发性占用,我们可以限制导出数据所占用的内存,这里我先建立一个list容器,list中开辟10000行的存储空间,每次存储10000行,用完了将内容清空,然后重复利用,这样就可以有效控制内存,所以我们的设计思路就基本形成了,所以分页数据导出共有以下3个步骤:

1、求数据库中待导出数据的行数

2、根据行数求数据提取次数

3、按次数将数据写入文件

通过以上步骤在效率和用户体验性上都有了很高的提高,接下来上代码

public void exportBigDataExcel(ValueDataDto valueDataDto, String path)
   throws IOException {
 // 最重要的就是使用SXSSFWorkbook,表示流的方式进行操作
 // 在内存中保持100行,超过100行将被刷新到磁盘
 SXSSFWorkbook wb = new SXSSFWorkbook(100);
 Sheet sh = wb.createSheet(); // 建立新的sheet对象
 Row row = sh.createRow(0);   // 创建第一行对象
 // -----------定义表头-----------
 Cell cel0 = row.createCell(0);
 cel0.setCellValue("1");
 Cell cel2 = row.createCell(1);
 cel2.setCellValue("2");
 Cell cel3 = row.createCell(2);
 cel3.setCellValue("3");
 Cell cel4 = row.createCell(3);
 // ---------------------------
 List list = new ArrayList();
 // 数据库中存储的数据行
 int page_size = 10000;
 // 求数据库中待导出数据的行数
 int list_count = this.daoUtils.queryListCount(this.valueDataDao
   .queryExportSQL(valueDataDto).get("count_sql"));
 // 根据行数求数据提取次数
 int export_times = list_count % page_size > 0 ? list_count / page_size
   + 1 : list_count / page_size;
 // 按次数将数据写入文件
 for (int j = 0; j < export_times; j++) {
  list = this.valueDataDao.queryPageList(this.valueDataDao
    .queryExportSQL(valueDataDto).get("list_sql"), j + 1,
    page_size);
  int len = list.size() < page_size ? list.size() : page_size;

"white-space:pre">  for (int i = 0; i < len; i++) {
   Row row_value = sh.createRow(j * page_size + i + 1);
   Cell cel0_value = row_value.createCell(0);
   cel0_value.setCellValue(list.get(i).getaa());
   Cell cel2_value = row_value.createCell(1);
   cel2_value.setCellValue(list.get(i).getaa());
   Cell cel3_value = row_value.createCell(2);
   cel3_value.setCellValue(list.get(i).getaa_person());
  }
  list.clear(); // 每次存储len行,用完了将内容清空,以便内存可重复利用
 }
 FileOutputStream fileOut = new FileOutputStream(path);
 wb.write(fileOut);
 fileOut.close();
 wb.dispose();
}

到目前已经可以实现百万数据的导出了,但是当我们的业务数据超过200万,300万了呢?如何解决?

这时,直接打印数据到一个工作簿的一个工作表是实现不了的,必须拆分到多个工作表,或者多个工作簿中才能实现。因为一个sheet最多行数为1048576

下面就以这种思路提供另外一种解决方案,直接上代码(后面会附上测试数据库,及案例需要的jar包)

public static void main(String[] args) throws Exception {
 Test3SXXFS tm = new Test3SXXFS();
 tm.jdbcex(true);
}
public void jdbcex(boolean isClose) throws InstantiationException, IllegalAccessException, 
   ClassNotFoundException, SQLException, IOException, InterruptedException {
  
 String xlsFile = "f:/poiSXXFSBigData.xlsx";  //输出文件
 //内存中只创建100个对象,写临时文件,当超过100条,就将内存中不用的对象释放。
 Workbook wb = new SXSSFWorkbook(100);   //关键语句
 Sheet sheet = null;  //工作表对象
 Row nRow = null;  //行对象
 Cell nCell = null;  //列对象
 
 //使用jdbc链接数据库
 Class.forName("com.mysql.jdbc.Driver").newInstance();  
 String url = "jdbc:mysql://localhost:3306/bigdata?characterEncoding=UTF-8";
 String user = "root";
 String password = "123456";
 //获取数据库连接
 Connection conn = DriverManager.getConnection(url, user,password);   
 Statement stmt = conn.createStatement(ResultSet.TYPE_SCROLL_SENSITIVE,ResultSet.CONCUR_UPDATABLE);   
 String sql = "select * from hpa_normal_tissue limit 1000000";   //100万测试数据
 ResultSet rs = stmt.executeQuery(sql);  
 
 ResultSetMetaData rsmd = rs.getMetaData();
 long  startTime = System.currentTimeMillis(); //开始时间
 System.out.println("strat execute time: " + startTime);
  
 int rowNo = 0;  //总行号
 int pageRowNo = 0; //页行号
  
 while(rs.next()) {
  //打印300000条后切换到下个工作表,可根据需要自行拓展,2百万,3百万...数据一样操作,只要不超过1048576就可以
  if(rowNo%300000==0){
   System.out.println("Current Sheet:" + rowNo/300000);
   sheet = wb.createSheet("我的第"+(rowNo/300000)+"个工作簿");//建立新的sheet对象
   sheet = wb.getSheetAt(rowNo/300000);  //动态指定当前的工作表
   pageRowNo = 0;  //每当新建了工作表就将当前工作表的行号重置为0
  } 
  rowNo++;
  nRow = sheet.createRow(pageRowNo++); //新建行对象
 
  // 打印每行,每行有6列数据   rsmd.getColumnCount()==6 --- 列属性的个数
  for(int j=0;j   nCell = nRow.createCell(j);
   nCell.setCellValue(rs.getString(j+1));
  }
   
  if(rowNo%10000==0){
   System.out.println("row no: " + rowNo);
  }
//  Thread.sleep(1); //休息一下,防止对CPU占用,其实影响不大
 }
  
 long finishedTime = System.currentTimeMillis(); //处理完成时间
 System.out.println("finished execute  time: " + (finishedTime - startTime)/1000 + "m");
  
 FileOutputStream fOut = new FileOutputStream(xlsFile);
 wb.write(fOut);
 fOut.flush();  //刷新缓冲区
 fOut.close();
  
 long stopTime = System.currentTimeMillis();  //写文件时间
 System.out.println("write xlsx file time: " + (stopTime - startTime)/1000 + "m");
  
 if(isClose){
  this.close(rs, stmt, conn);
 }
}
 
//执行关闭流的操作
private void close(ResultSet rs, Statement stmt, Connection conn ) throws SQLException{
 rs.close();   
 stmt.close();   
 conn.close(); 
}

数据库截图:



 

案例执行结果截图:

             



版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

本文链接:

https://blog.csdn.net/happyljw/article/details/52809244







粉丝福利:实战springboot+CAS单点登录系统视频教程免费领取

???

?长按上方微信二维码 2 秒
即可获取资料



感谢点赞支持下哈 

浏览 18
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报