如何高效的导出 百万级别的数据量 到 Excel?

文章目录

    • 如何高效的导出 百万级别的数据量 到 Excel?
  • 传统方式:
      • 代码实现:
  • 其他方式:
    • 1. 基于 Apache POI 的方式。
    • 2. 基于 EasyExcel 的方式。
    • 总结:
  • 结语

如何高效的导出 百万级别的数据量 到 Excel?

传统方式:

  1. 使用基于流的方式进行数据写入,避免将所有数据一次性加载到内存中。可以使用 Apache POI 库中的 SXSSFWorkbook 类,它采用了基于流的方式进行数据写入,可以避免内存溢出的问题,提高写入效率。

  2. 将数据分段进行写入,例如每次只写入 1000 条数据,避免一次性写入所有数据。这样可以避免写入效率较低的问题,并减少对内存的占用,提高写入效率。

  3. 将数据按列进行写入,而不是按行进行写入。这样可以减少写入数据时需要移动光标的次数,提高写入效率。

  4. 避免频繁创建对象和变量。在数据量较大的情况下,创建对象和变量会占用较多的内存,从而降低程序的效率。可以使用对象池和线程池等技术来优化程序的效率。

  5. 使用多线程进行数据写入。将数据分段后,可以将不同的线程分别进行数据写入,从而提高写入效率。可以使用 Java 的 Executor 框架来实现多线程的管理和协调。

代码实现:

基于流的方式进行数据写入,可以使用 Apache POI 库中的 SXSSFWorkbook 类,该类采用了基于流的方式进行数据写入,避免将所有数据一次性加载到内存中。下面是一个简单的代码示例,假设需要将数据导出到名为 “test.xlsx” 的 Excel 文件中:

// 创建工作簿对象
SXSSFWorkbook workbook = new SXSSFWorkbook();

// 创建工作表对象
SXSSFSheet sheet = workbook.createSheet("Sheet1");

// 写入表头
Row header = sheet.createRow(0);
header.createCell(0).setCellValue("姓名");
header.createCell(1).setCellValue("年龄");

// 写入数据
for (int i = 0; i < 1000000; i++) {
    Row row = sheet.createRow(i + 1);
    row.createCell(0).setCellValue("张三" + i);
    row.createCell(1).setCellValue(i);
}

// 写入到文件中
FileOutputStream outputStream = new FileOutputStream("test.xlsx");
workbook.write(outputStream);
outputStream.close();

// 关闭工作簿对象
workbook.close();

其他方式:

在 Java 中,常用的写入 Excel 文件的方式有以下几种:

1. 基于 Apache POI 的方式。

Apache POI 是一个开源的 Java 库,提供了读写 Excel 文件的 API,支持多种文件格式,包括 XLS 和 XLSX 格式。对于百万级别的数据量,可以使用 SXSSFWorkbook 类进行基于流的写入,避免内存溢出的问题。下面是一个使用 Apache POI 的示例代码:

 public static void writeExcel(List<List<Object>> data, String filePath, String sheetName) {
    Workbook workbook = new SXSSFWorkbook();
    Sheet sheet = workbook.createSheet(sheetName);

    int rownum = 0;
    for (List<Object> rowData : data) {
        Row row = sheet.createRow(rownum++);
        int cellnum = 0;
        for (Object obj : rowData) {
            Cell cell = row.createCell(cellnum++);
            if (obj instanceof String) {
                cell.setCellValue((String)obj);
            } else if (obj instanceof Integer) {
                cell.setCellValue((Integer)obj);
            } else if (obj instanceof Double) {
                cell.setCellValue((Double)obj);
            } // 其他类型可以根据需要添加
        }
    }

    try {
        FileOutputStream out = new FileOutputStream(new File(filePath));
        workbook.write(out);
        out.close();
        workbook.close();
    } catch (IOException e) {
        e.printStackTrace();
    }
}

2. 基于 EasyExcel 的方式。

EasyExcel 是一个基于 Apache POI 封装的 Java 库,提供了更加简单易用的 API,支持读写多种文件格式,包括 XLS、XLSX 和 CSV 格式。对于大规模数据量,EasyExcel 采用了基于流的方式进行数据读写,可以避免内存溢出的问题,同时提供了多线程和异步写入等特性,可以进一步提高程序的效率。下面是一个使用 EasyExcel 的示例代码:

 public static void writeExcel(List<List<Object>> data, String filePath, String sheetName) {
    ExcelWriter excelWriter = EasyExcel.write(filePath).build();
    WriteSheet writeSheet = EasyExcel.writerSheet(sheetName).build();

    int rownum = 0;
    for (List<Object> rowData : data) {
        List<String> rowValues = rowData.stream().map(Object::toString).collect(Collectors.toList());
        excelWriter.write(rowValues, writeSheet);
    }

    excelWriter.finish();
}

总之,对于大规模数据量的写入,建议使用基于流的方式进行数据读写,并使用分段、按列、对象池、线程池等技术来提高程序的效率。Apache POI 和 EasyExcel 都是比较常用的 Java 库,可以根据具体的需求选择合适的库进行开发。

总结:

除了使用基于流的方式进行数据读写以外,还有一些其他的实现方式可以进一步提高程序的效率,包括:

使用内存映射文件。内存映射文件是一种将文件内容映射到内存中的技术,可以有效地减少文件的读写次数,提高程序的效率。在 Java 中,可以使用 NIO 库的 MappedByteBuffer 类实现内存映射文件的读写。

使用缓存机制。将数据写入 Excel 文件的过程中,可以使用缓存机制来避免频繁地读写磁盘文件。可以将数据按照一定的规则划分为多个块,并使用内存缓存这些块数据。当缓存达到一定的大小后,再一次性将数据写入 Excel 文件中,可以避免频繁的 I/O 操作。

使用多线程或异步方式。对于大规模数据量的写入,可以使用多线程或异步方式来提高程序的效率。可以将数据划分为多个块,使用线程池或异步任务进行并行处理。在处理过程中,需要注意线程安全和数据一致性的问题。

以上是一些提高程序效率的常用技术和实现方式,具体使用哪种方式还需要根据实际情况进行评估和选择。

如果你还想了解如何导入数据库,请参考:

百万级 Excel导入数据库 效率太低? 基于 SAX 的事件模型 导入,将会解决 效率问题

结语

如果这篇文章对您有所帮助,或者有所启发的话,求一键三连:点赞、评论、收藏➕关注,您的支持是我坚持写作最大的动力。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/7460.html

如若内容造成侵权/违法违规/事实不符,请联系三亩地网进行投诉反馈,一经查实,立即删除!

相关文章

【无功优化】基于改进遗传算法的电力系统无功优化研究【IEEE30节点】(Matlab代码实现)

&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;欢迎来到本博客❤️❤️&#x1f4a5;&#x1f4a5; &#x1f3c6;博主优势&#xff1a;&#x1f31e;&#x1f31e;&#x1f31e;博客内容尽量做到思维缜密&#xff0c;逻辑清晰&#xff0c;为了方便读者。 ⛳️座右铭&a…

4.5--计算机网络之基础篇--1.模型分层--(复习+深入)---好好沉淀,加油呀

1.TCP/IP模型的分层 1.1.为什么要有 TCP/IP 网络模型&#xff1f; 对于同一台设备上的进程间通信&#xff0c;有很多种方式&#xff0c;比如有管道、消息队列、共享内存、信号等方式&#xff1b; 而对于不同设备上的进程间通信&#xff0c;就需要网络通信&#xff0c;而设备是…

2021蓝桥杯真题大写 C语言/C++

题目描述 给定一个只包含大写字母和小写字母的字符串&#xff0c;请将其中所有的小写字母转换成大写字母后将字符串输出。 输入描述 输入一行包含一个字符串。 输出描述 输出转换成大写后的字符串。 输入输出样例 示例 输入 LanQiao 输出 LANQIAO 评测用例规模与约定 对于…

python 生成器、迭代器、动态新增属性及方法

目录 一、生成器 1、生成器定义 2、生成器存在的意义 3、创建生成器方式一&#xff08;生成器表达式&#xff09; 4. 创建生成器方式二&#xff08;生成器函数&#xff09; 1. 生成器函数 2. 生成器函数的工作原理 5. 总结 1. 什么是生成器 2. 生成器特点 二、迭代器…

365天深度学习训练营-第J8周:Inception v1算法实战与解析

目录 一、前言 二、论文解读 1. Inception 模块 2. 网络深度问题 3. 全局平均池化 4. 卷积层的并行结构 5. 1x1 卷积核 6.详细的网络结构 三、代码复现 一、前言 &#x1f368; 本文为&#x1f517;365天深度学习训练营 中的学习记录博客&#x1f356; 原作者&#x…

微服务+springcloud+springcloud alibaba学习笔记【Eureka服务注册中心】(3/9)

Eureka服务注册中心 3/91、服务注册与发现1.1 什么是服务治理&#xff1a;1.2 什么是服务注册与发现&#xff1a;1.3 Eureka服务注册与发现2、单机版eureka2.1 创建module2.2改pom依赖2.3写yml配置文件:2.4主启动类2.5 修改服务提供者 cloud-provider-payment8001 模块&#xf…

Github库中的Languages显示与修改

目录 前言 【.gitattributes】文件 修改GitHub语言 前言 上传一个项目到GitHub时&#xff0c;发现显示的语言并非是自己项目所示的语言&#xff0c;这样的情况是经常发生的&#xff0c;为了能到达自己所需快速检索&#xff0c;或者是外部访问者能很好的搜索我们的项目&#…

Sentinel滑动时间窗限流算法原理及源码解析(中)

文章目录 MetricBucketMetricEvent数据统计的维度WindowWrap样本窗口实例 范型T为MetricBucket windowLengthInMs 样本窗口长度 windowStart 样本窗口的起始时间戳 value 当前样本窗口的统计数据 其类型为MetricBucket MetricBucket MetricEvent数据统计的维度 1、首先计算27t位…

【花雕学AI】09:发挥ChatGPT最大潜力——产生高质量内容的九种方法和建议

人工智能&#xff08;AI&#xff09;是当今科技领域最热门和最有前景的话题之一&#xff0c;它已经渗透到了我们生活和工作的方方面面&#xff0c;给我们带来了许多便利和惊喜。而在AI的众多分支中&#xff0c;自然语言处理&#xff08;NLP&#xff09;是最贴近人类的一个领域&…

6-python异常、错误、模块、包

文章目录1.异常2.错误3.模块4.包[综合练习]1.异常 打开一个不存在的文件会引发异常 FileNotFoundError: [Errno 2] No such file or directory: ‘D:/不存在的文件.txt’ fopen(file"D:/不存在的文件.txt",mode"r", encodingutf-8) print(f.read())&…

springboot-gateway注册nacos失败,控制台没有报错

目录 前言现象描述前言 最近springboot的gateway注册到nacos上,没有注册成功 现象描述 我是在common里面引入了nacos的依赖,依赖如下: <dependency><groupId>com.alibaba.cloud</groupId><artifactId>spring-cloud-starter-alibaba-nacos-confi…

文件的随机读写

fseek fseek这个函数的作用是什么&#xff1f; 我们知道&#xff0c;如果对一个文件指针进行加减操作的话&#xff0c;这个文件指针会指向下一个文件&#xff0c;那么问题来了&#xff0c;我们如果想访问这个文件中的某一个内容&#xff0c;这个时候该怎么办呢&#xff0c;我们…

基于支持向量机SVM的脑部肿瘤识别,脑电波样本熵提取

目录 支持向量机SVM的详细原理 SVM的定义 SVM理论 Libsvm工具箱详解 简介 参数说明 易错及常见问题 SVM应用实例,基于SVM的的脑部肿瘤识别分类预测 代码 结果分析 展望 支持向量机SVM的详细原理 SVM的定义 支持向量机(support vector machines, SVM)是一种二分类模型,它…

下一代的新操作系统就是ChatGPT!

什么是CHatgpt&#xff1f; ChatGPT是人工智能研究实验室OpenAI在2022年11月30日推出的聊天机器人模型&#xff0c;它使用Transformer神经网络架构&#xff0c;训练数据来自包括维基百科&#xff0c;以及真实对话在内的庞大语料库。2023年1月30日消息称&#xff0c;中国搜索巨…

数据分析-统计基础

day1&#xff1a;集中趋势&#xff0c;离散测度&#xff0c;均值&#xff0c;中位数&#xff0c;众数&#xff0c;方差等。点估计&#xff0c;区间估计等相关的知识 现代数据分析&#xff1a;把数据放到一个数据空间中&#xff0c;通过这个空间的个各种形变与分析而挖掘除数据…

Android RenderScript 浅谈

前言 RenderScript是一个Google出品的&#xff0c;在Android平台上的并行计算框架&#xff0c;官方的简介是说RenderScript运行时可在设备上提供的多个处理器&#xff08;如多核 CPU 和 GPU&#xff09;间并行调度工作。在日常Android开发中&#xff0c;RenderScript主要用于图…

数据库:Redis哨兵及cluster集群部署

一、redis数据库哨兵模式 目录 一、redis数据库哨兵模式 1、什么是哨兵模式 2、哨兵的作用 3、哨兵结构组成 4、哨兵故障转移机制 5、哨兵工作、切换原理 6、哨兵主节点选举原则 7、哨兵模式部署 二、redis数据库cluster集群 1、cluster集群优点、数据存储及同步方式…

Chapter2 : SpringBoot配置

尚硅谷SpringBoot顶尖教程 1. 全局配置文件 SpringBoot使用一个全局的配置文件 application.properties 或者 application.yml &#xff0c;该配置文件放在src/main/resources目录或者类路径/config目录下面&#xff0c; 可以用来修改SpringBoot自动配置的默认值。 yml是YA…

wxml模板,wxss模版,全局配置,页面配置,网络数据请求

WXML 模板语法 1、数据绑定 1.1、数据绑定的基本原则 ① 在 data 中定义数据② 在 WXML 中使用数据 1.2、在 data 中定义页面的数据 在页面对应的 .js 文件中&#xff0c;把数据定义到 data 对象中即可&#xff1a; Page({data: {//字符串数据info:init data}, });1.3、M…

《Kubernetes部署篇:Ubuntu20.04基于containerd部署kubernetes1.24.12单master集群》

一、架构图 如下图所示&#xff1a; 二、环境信息 主机名K8S版本系统版本内核版本IP地址备注k8s-master-621.24.12Ubuntu 20.04.5 LTS5.15.0-69-generic192.168.1.62master节点k8s-worker-631.24.12Ubuntu 20.04.5 LTS5.15.0-69-generic192.168.1.63worker节点k8s-worker-641…
推荐文章