springboot2 多线程写入数据_springboot多线程读取百万级数据写入文件的代码实例...

1、springboot 配置线程池

package com.toycloud.awaken.platform.config;

import org.springframework.context.annotation.Bean;

import org.springframework.context.annotation.Configuration;

import org.springframework.scheduling.annotation.EnableAsync;

import org.springframework.scheduling.concurrent.ThreadPoolTaskExecutor;

import java.util.concurrent.Executor;

import java.util.concurrent.ThreadPoolExecutor;

@Configuration

@EnableAsync

public class ExecutorConfig {

@Bean

public Executor asyncServiceExecutor() {

ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();

//配置核心线程数

executor.setCorePoolSize(5);

//配置最大线程数

executor.setMaxPoolSize(10);

//配置队列大小

executor.setQueueCapacity(400);

//配置线程池中的线程的名称前缀

executor.setThreadNamePrefix("thread-");

// rejection-policy:当pool已经达到max size的时候,如何处理新任务

// CALLER_RUNS:不在新线程中执行任务,而是有调用者所在的线程来执行

executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());

//执行初始化

executor.initialize();

return executor;

}

}

2、编写一个测试类执行多线程

package com.toycloud.awaken.platform;

import com.toycloud.awaken.platform.service.AsyncService;

import org.junit.Test;

import org.junit.runner.RunWith;

import org.springframework.beans.factory.annotation.Autowired;

import org.springframework.boot.test.context.SpringBootTest;

import org.springframework.test.context.junit4.SpringRunner;

import java.util.concurrent.CountDownLatch;

@RunWith(SpringRunner.class) // 项目启动时启动

@SpringBootTest

public class PlatformApplicationTests {

private CountDownLatch countDownLatch;

@Autowired

AsyncService asyncService;

@Test

public void mainWait() {

// 二十万条数据 每页查询10000条

int total = 209124,pageSize = 10000;

int num = total%pageSize == 0 ? total/pageSize : total/pageSize+1;

try {

countDownLatch = new CountDownLatch(num);

//计数器数量就等于文件数量,因为每个文件会开一个线程

for(int i=0;i

asyncService.dataBaseToQueue(countDownLatch,i);

}

countDownLatch.await();

} catch (InterruptedException e) {

e.printStackTrace();

}

}

}

3、编写一个service接口

package com.toycloud.awaken.platform.service;

import java.util.List;

import java.util.concurrent.CountDownLatch;

public interface AsyncService {

/**

* 执行异步任务

*/

void dataBaseToQueue(CountDownLatch countDownLatch, int i);

}

4、service的实现类

package com.toycloud.awaken.platform.service.serviceimpl;

import com.toycloud.awaken.platform.service.AsyncService;

import com.toycloud.awaken.platform.util.OCRUtil;

import org.springframework.scheduling.annotation.Async;

import org.springframework.stereotype.Service;

import java.sql.*;

import java.util.HashMap;

import java.util.List;

import java.util.Map;

import java.util.concurrent.CountDownLatch;

@Service

public class AsyncServiceImpl implements AsyncService {

@Override

@Async("asyncServiceExecutor")

public void dataBaseToQueue(CountDownLatch countDownLatch, int begiNnum) {

Connection con = null;//连接

PreparedStatement pstmt = null;

ResultSet rs = null;//获取的结果集

try {

long start = System.currentTimeMillis();

con = DriverManager.getConnection("jdbc:mysql://。。。。:3306/database", "root", "root"); //获取连接

System.out.println("线程" + Thread.currentThread().getId() + "开始执行");

pstmt = con.prepareStatement("select name,age from table limit ?,?"); // 查询列表,需要做分页优化,尽量不要使用limit

pstmt.setInt(1,begiNnum*10000);

pstmt.setInt(2,10000);

rs = pstmt.executeQuery();

// 结果集 中列的名称和类型的信息

ResultSetMetaData rsm = rs.getMetaData();

int colNumber = rsm.getColumnCount();

// 遍历每条记录

while (rs.next()) {

string name = rs.getString("name");

// 将name 写入到一个文件中

// 具体自己实现

}

System.out.println("线程" + Thread.currentThread().getId() + "执行结束");

long end = System.currentTimeMillis();

System.out.println(end - start);

} catch (Exception e) {

e.printStackTrace();

} finally {

//关闭资源,倒关

try {

if(rs != null) rs.close();

if(pstmt != null) pstmt.close();

if(con != null) con.close(); //必须要关

} catch (Exception e) {

System.err.println(e.getMessage());

}

countDownLatch.countDown();

}

}

}

本文地址:https://blog.csdn.net/qq_41315539/article/details/107885680

如您对本文有疑问或者有任何想说的,请点击进行留言回复,万千网友为您解惑!

### 回答1: 以下是一个使用Python多线程读取数据数据,单线程写入Excel的例子: ```python import threading import queue import pymysql import openpyxl # 数据库连接信息 DB_HOST = 'localhost' DB_USER = 'root' DB_PASSWORD = 'password' DB_DATABASE = 'test' DB_TABLE = 'data' # Excel文件名 EXCEL_FILENAME = 'data.xlsx' # 线程数 THREAD_NUM = 4 # 数据库查询语句 QUERY_SQL = 'SELECT * FROM %s LIMIT %s, %s' # 写入Excel的列名 COLUMN_NAMES = ['id', 'name', 'age'] # 每个线程查询的数据行数 PER_THREAD_ROWS = 1000 # 数据库连接 db_conn = pymysql.connect(host=DB_HOST, user=DB_USER, password=DB_PASSWORD, database=DB_DATABASE) # 查询总行数 with db_conn.cursor() as cursor: cursor.execute('SELECT COUNT(*) FROM %s' % DB_TABLE) total_rows = cursor.fetchone()[0] # 查询队列 query_queue = queue.Queue() # 结果队列 result_queue = queue.Queue() # 线程锁 lock = threading.Lock() # 查询线程 def query_thread(): while True: start, end = query_queue.get() with db_conn.cursor() as cursor: cursor.execute(QUERY_SQL % (DB_TABLE, start, PER_THREAD_ROWS)) result = cursor.fetchall() result_queue.put(result) query_queue.task_done() # 写入Excel线程 def write_excel_thread(): wb = openpyxl.Workbook() ws = wb.active ws.append(COLUMN_NAMES) while True: result = result_queue.get() if result is None: break for row in result: with lock: ws.append(row) result_queue.task_done() wb.save(EXCEL_FILENAME) # 启动查询线程 for i in range(THREAD_NUM): t = threading.Thread(target=query_thread, daemon=True) t.start() # 启动写入Excel线程 t = threading.Thread(target=write_excel_thread, daemon=True) t.start() # 添加查询任务 for i in range(0, total_rows, PER_THREAD_ROWS): query_queue.put((i, PER_THREAD_ROWS)) # 等待查询任务完成 query_queue.join() # 添加结束标志 result_queue.put(None) # 等待写入Excel线程结束 result_queue.join() ``` 该例子使用了一个查询队列和一个结果队列,查询线程从查询队列中取出查询任务,查询完数据后将结果放入结果队列,写入Excel线程从结果队列中取出结果,将结果写入Excel文件中。 需要注意的是,在写入Excel时需要加锁,避免多个线程同时写入同一个单元格,导致数据错误。 ### 回答2: 多线程读取数据数据,单线程写入Excel的例子可以采用生产者-消费者模型。首先创建一个生产者线程用于从数据库中读取数据,然后将数据放入一个共享的线程安全队列中,多个消费者线程从队列中获取数据写入Excel文件。 下面是一个示例代码: ```python import threading import queue import pymysql import xlwt class DatabaseReader(threading.Thread): def __init__(self, db_conn, data_queue): threading.Thread.__init__(self) self.db_conn = db_conn self.data_queue = data_queue def run(self): cursor = self.db_conn.cursor() cursor.execute("SELECT * FROM table_name") rows = cursor.fetchall() for row in rows: self.data_queue.put(row) self.data_queue.put(None) # 结束标志 cursor.close() self.db_conn.close() class ExcelWriter(threading.Thread): def __init__(self, data_queue, filename): threading.Thread.__init__(self) self.data_queue = data_queue self.filename = filename def run(self): workbook = xlwt.Workbook() sheet = workbook.add_sheet('sheet1') row_index = 0 while True: data = self.data_queue.get() if data is None: break for col_index, value in enumerate(data): sheet.write(row_index, col_index, value) row_index += 1 workbook.save(self.filename) if __name__ == '__main__': db_conn = pymysql.connect(host='localhost', user='root', password='password', database='database_name') data_queue = queue.Queue() num_threads = 5 for _ in range(num_threads): reader = DatabaseReader(db_conn, data_queue) reader.start() writer = ExcelWriter(data_queue, 'output.xls') writer.start() writer.join() db_conn.close() ``` 以上代码创建了一个生产者线程,用于从数据库中读取数据并放入一个队列中,同时创建一个消费者线程,用于从队列中获取数据写入Excel文件。通过多个生产者线程并行读取数据数据,可以提高读取的效率;而通过单个消费者线程写入Excel文件,可以保证数据写入的有序性。 需要注意的是,在生产者线程中,需要将数据库的连接对象传递给线程,以便在线程结束时关闭数据库连接。同时,在消费者线程中,当遇到结束标志时需要及时退出循环,避免无限等待。 此例子仅供参考,具体应用场景还需根据实际需求进行相应的修改和调整。 ### 回答3: 多线程读取数据数据、单线程写入Excel的例子可以通过以下步骤实现: 1. 创建一个数据库连接,连接到指定的数据库。 2. 设定需要读取数据表,并确定需要获取的数据列。 3. 创建一个多线程读取函数,该函数可以同时从数据库中读取多条数据,并将这些数据存储在内存中的数据结构中,如列表或字典。 4. 创建一个单线程的写入函数,该函数负责将内存中的数据写入Excel文件中。可以使用第三方库,如pandas或openpyxl来实现Excel的写入操作。 5. 创建多个线程的实例,并将读取函数作为线程运行的目标。 6. 运行多个线程,同时从数据库中读取数据。 7. 在所有线程都完成读取后,调用写入函数将读取数据写入Excel文件中。 8. 关闭数据库连接,释放资源。 这样一个多线程读取数据数据、单线程写入Excel的例子就完成了。通过多线程同时读取数据数据,可以提高读取的效率。然后通过单线程写入Excel,避免并发写入操作导致的数据错误。这个例子可以用来处理大量数据读取写入操作,提高程序的处理能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值