Excel百万数据如何快速导入？
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...
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：
// 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：
// 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：
// 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：
# 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：
// 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：
// 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);
}
}
);
}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2.5GB96分钟173条/秒分页读取+批量插入500MB7分钟2381条/秒多线程分片+异步批量800MB86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10万字的面试宝典，好多小伙伴靠这个宝典拿到了多家大厂的offer。
本文收录于我的技术网站：http://www.susan.net.cn
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
页:
[1]