我们在研发项目或产品时,会有遇到要上传文件到系统的情况,系统会对上传的文件数据进行读取、解析、验证、做业务处理、最后导入数据到库的操作。
一般1W之内的数据,用apache中的POI包可以实现解析数据的功能,POI会将数据加载到内存中,虽然读取数据需要占用一些内存,但还是能比较轻松应对的,因为数据量比较小。
不过随着你上传的Excel的数据量的增大,2W、3W、4W、5W... 10W...50W, 甚至是100W以上,你的内存就会溢出了,内存虽然能扩大,但是如果系统并发的读取Excel的数据进行处理,系统照样会挂。
如何解决读取数据量较大的Excel文件而内存溢出的问题呢?
POI没有提供解决的包,因此有人就会想,采取部分的数据进行读取,这样就不用一次加载数据到内存中,github上有人提供的解决方案的包,他在POI的基础之上,先将上传的文件写到本地临时文件夹中,然后用POI的ZipPackage解析临时文件,读出格式为"application/vnd.openxmlformats-package.core-properties+xml"的内容,其实它是XML的格式数据,然后将拆解的XML数据写到本地文件中,再用XSSFReader读取ZipPackage中的workbook的XML对应的"/workbook/sheets/sheet"数据流,将每一个Sheet流封装成XMLEventReader,他将XMLEventReader封装到他自己定义的StreamingSheetReader,把StreamingSheetReader装入StreamingSheet,最后将StreamingSheet封装入StreamingWorkbook&