大家好,我是苏三,又跟大家见面了。
前言
今天要讨论一个让无数人抓狂的话题:如何高效导入百万级Excel数据。
去年有家公司找到我,他们的电商系统遇到一个致命问题:每天需要导入20万条商品数据,但一执行就卡死,最长耗时超过3小时。
更魔幻的是,重启服务器后前功尽弃。
经过半天的源码分析,我们发现了下面这些触目惊心的代码...
最近准备面试的小伙伴,可以看一下这个宝藏网站(Java突击队):www.susan.net.cn,里面:面试八股文、面试真题、工作内推什么都有。
1 为什么传统导入方案会崩盘?
很多小伙伴在实现Excel导入时,往往直接写出这样的代码:
scss
// 错误示例:逐行读取+逐条插入
public void importExcel(File file) {
List<Product> list = ExcelUtils.readAll(file); // 一次加载到内存
for (Product product : list) {
productMapper.insert(product); // 逐行插入
}
}
这种写法会引发三大致命问题:
1.1 内存熔断:堆区OOM惨案
- 问题 :POI的
UserModel
(如XSSFWorkbook)一次性加载整个Excel到内存 - 实验:一个50MB的Excel(约20万行)直接耗尽默认的1GB堆内存
- 症状:频繁Full GC ➔ CPU飙升 ➔ 服务无响应
1.2 同步阻塞:用户等到崩溃
- 过程:用户上传文件 → 同步等待所有数据处理完毕 → 返回结果
- 风险:连接超时(HTTP默认30秒断开)→ 任务丢失
1.3 效率黑洞:逐条操作事务
- 实测数据:MySQL单线程逐条插入≈200条/秒 → 处理20万行≈16分钟
- 幕后黑手:每次insert都涉及事务提交、索引维护、日志写入
2 性能优化四板斧
第一招:流式解析
使用POI的SAX模式替代DOM模式:
ini
// 正确写法:分段读取(以HSSF为例)
OPCPackage pkg = OPCPackage.open(file);
XSSFReader reader = new XSSFReader(pkg);
SheetIterator sheets = (SheetIterator) reader.getSheetsData();
while (sheets.hasNext()) {
try (InputStream stream = sheets.next()) {
Sheet sheet = new XSSFSheet(); // 流式解析
RowHandler rowHandler = new RowHandler();
sheet.onRow(row -> rowHandler.process(row));
sheet.process(stream); // 不加载全量数据
}
}
⚠️ 避坑指南:
- 不同Excel版本需适配(HSSF/XSSF/SXSSF)
- 避免在解析过程中创建大量对象,需复用数据容器
第二招:分页批量插入
基于MyBatis的批量插入+连接池优化:
ini
// 分页批量插入(每1000条提交一次)
public void batchInsert(List<Product> list) {
SqlSession sqlSession = sqlSessionFactory.openSession(ExecutorType.BATCH);
ProductMapper mapper = sqlSession.getMapper(ProductMapper.class);
int pageSize = 1000;
for (int i = 0; i < list.size(); i += pageSize) {
List<Product> subList = list.subList(i, Math.min(i + pageSize, list.size()));
mapper.batchInsert(subList);
sqlSession.commit();
sqlSession.clearCache(); // 清理缓存
}
}
关键参数调优:
ini
# MyBatis配置
mybatis.executor.batch.size=1000
# 连接池(Druid)
spring.datasource.druid.maxActive=50
spring.datasource.druid.initialSize=10
第三招:异步化处理
架构设计:
- 前端上传:客户端使用WebUploader等分片上传工具
- 服务端:
-
- 生成唯一任务ID
- 写入任务队列(Redis Stream/RabbitMQ)
- 异步线程池:
-
- 多线程消费队列
- 处理进度存储在Redis中
- 结果通知:通过WebSocket或邮件推送完成状态
第四招:并行导入
对于千万级数据,可采用分治策略:
阶段 | 操作 | 耗时对比 |
---|---|---|
单线程 | 逐条读取+逐条插入 | 基准值100% |
批处理 | 分页读取+批量插入 | 时间降至5% |
多线程分片 | 按Sheet分片,并行处理 | 时间降至1% |
分布式分片 | 多节点协同处理(如Spring Batch集群) | 时间降至0.5% |
3 代码之外的关键经验
3.1 数据校验必须前置
典型代码缺陷:
typescript
// 错误:边插入边校验,可能污染数据库
public void validateAndInsert(Product product) {
if (product.getPrice() < 0) {
throw new Exception("价格不能为负");
}
productMapper.insert(product);
}
✅ 正确实践:
- 在流式解析阶段完成基础校验(格式、必填项)
- 入库前做业务校验(数据关联性、唯一性)
3.2 断点续传设计
解决方案:
- 记录每个分片的处理状态
- 失败时根据偏移量(offset)恢复
3.3 日志与监控
配置要点:
typescript
// Spring Boot配置Prometheus指标
@Bean
public MeterRegistryCustomizer<PrometheusMeterRegistry> metrics() {
return registry -> registry.config().meterFilter(
new MeterFilter() {
@Override
public DistributionStatisticConfig configure(Meter.Id id, DistributionStatisticConfig config) {
return DistributionStatisticConfig.builder()
.percentiles(0.5, 0.95) // 统计中位数和95分位
.build().merge(config);
}
}
);
}
最近就业形势比较困难,为了感谢各位小伙伴对苏三一直以来的支持,我特地创建了一些工作内推群, 看看能不能帮助到大家。
你可以在群里发布招聘信息,也可以内推工作,也可以在群里投递简历找工作,也可以在群里交流面试或者工作的话题。
添加苏三的私人微信 :li_su223,备注:掘金+所在城市,即可加入。
四、百万级导入性能实测对比
测试环境:
- 服务器:4核8G,MySQL 8.0
- 数据量:100万行x15列(约200MB Excel)
方案 | 内存峰值 | 耗时 | 吞吐量 |
---|---|---|---|
传统逐条插入 | 2.5GB | 96分钟 | 173条/秒 |
分页读取+批量插入 | 500MB | 7分钟 | 2381条/秒 |
多线程分片+异步批量 | 800MB | 86秒 | 11627条/秒 |
分布式分片(3节点) | 300MB/节点 | 29秒 | 34482条/秒 |
总结
Excel高性能导入的11条军规:
- 决不允许全量加载数据到内存 → 使用SAX流式解析
- 避免逐行操作数据库 → 批量插入加持
- 永远不要让用户等待 → 异步处理+进度查询
- 横向扩展比纵向优化更有效 → 分片+分布式计算
- 内存管理是生死线 → 对象池+避免临时大对象
- 合理配置连接池参数 → 杜绝瓶颈在数据源
- 前置校验绝不动摇 → 脏数据必须拦截在入口
- 监控务必完善 → 掌握全链路指标
- 设计必须支持容灾 → 断点续传+幂等处理
- 抛弃单机思维 → 拥抱分布式系统设计
- 测试要覆盖极端场景 → 百万数据压测不可少
如果你正在为Excel导入性能苦恼,希望这篇文章能为你的系统打开一扇新的大门。
如果你有其他想了解的技术难题,欢迎在评论区留言!
最后说一句(求关注,别白嫖我)
如果这篇文章对您有所帮助,或者有所启发的话,帮忙关注一下我的同名公众号:苏三说技术,您的支持是我坚持写作最大的动力。
求一键三连:点赞、转发、在看。
关注公众号:【苏三说技术】,在公众号中回复:进大厂,可以免费获取我最近整理的50万字的面试宝典,好多小伙伴靠这个宝典拿到了多家大厂的offer。