Poi读取大数据量Excel文件

前言

最近生产环境有个老项目一直内存报警，不时的还出现内存泄漏，导致需要重启服务器，已经严重影响正常服务了。

分析

1.dump内存文件

liunx使用如下命令：

?

1	./jmap -dump:format=b,file=heap.hprof pid

2.使用Eclipse Memory Analysis进行分析

 

异常如下：

?

1 2 3 4 5 6 7

at org.apache.poi.xssf.usermodel.XSSFRow.<init>(Lorg/openxmlformats/schemas/spreadsheetml/x2006/main/CTRow;Lorg/apache/poi/xssf/usermodel/XSSFSheet;)V (XSSFRow.java:68) at org.apache.poi.xssf.usermodel.XSSFSheet.initRows(Lorg/openxmlformats/schemas/spreadsheetml/x2006/main/CTWorksheet;)V (XSSFSheet.java:157) at org.apache.poi.xssf.usermodel.XSSFSheet.read(Ljava/io/InputStream;)V (XSSFSheet.java:132) at org.apache.poi.xssf.usermodel.XSSFSheet.onDocumentRead()V (XSSFSheet.java:119) at org.apache.poi.xssf.usermodel.XSSFWorkbook.onDocumentRead()V (XSSFWorkbook.java:222) at org.apache.poi.POIXMLDocument.load(Lorg/apache/poi/POIXMLFactory;)V (POIXMLDocument.java:200) at org.apache.poi.xssf.usermodel.XSSFWorkbook.<init>(Ljava/io/InputStream;)V (XSSFWorkbook.java:179)

POI在加载Excel引发了内存泄漏，中间创建了大量的对象，占用了大量的内存

3.查看上传的Excel大小

经查看发现很多Excel大小在9M的文件

4.查看代码POI读取Excel的方式

发现使用的是用户模式，这样会占用大量的内存；POI提供了2中读取Excel的模式，分别是：

• 用户模式：也就是poi下的usermodel有关包，它对用户友好，有统一的接口在ss包下，但是它是把整个文件读取到内存中的，
  对于大量数据很容易内存溢出，所以只能用来处理相对较小量的数据；
• 事件模式：在poi下的eventusermodel包下，相对来说实现比较复杂，但是它处理速度快，占用内存少，可以用来处理海量的Excel数据。

经上面分析基本可以确定问题出在使用POI的用户模式去读取Excel大文件，导致内存泄漏。

本地重现

下面模拟一个600kb大小的Excel（test.xlsx），分别用两种模式读取，然后观察内存波动；

1.需要引入的库maven：

?

1 2 3 4 5 6 7 8 9 10 11 12

<dependencies>  <dependency>   <groupId>org.apache.poi</groupId>   <artifactId>poi-ooxml</artifactId>   <version>3.6</version>  </dependency>  <dependency>   <groupId>com.syncthemall</groupId>   <artifactId>boilerpipe</artifactId>   <version>1.2.1</version>  </dependency> </dependencies>

2.用户模式代码如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39

import java.io.File; import java.io.FileInputStream; import java.io.IOException; import java.io.InputStream;    import org.apache.poi.ss.usermodel.Cell; import org.apache.poi.ss.usermodel.Row; import org.apache.poi.ss.usermodel.Sheet; import org.apache.poi.ss.usermodel.Workbook; import org.apache.poi.xssf.usermodel.XSSFWorkbook;    public class UserModel {     public static void main(String[] args) throws InterruptedException {   try {    Thread.sleep(5000);    System.out.println("start read");    for (int i = 0; i < 100; i++) {     try {      Workbook wb = null;      File file = new File("D:/test.xlsx");      InputStream fis = new FileInputStream(file);      wb = new XSSFWorkbook(fis);      Sheet sheet = wb.getSheetAt(0);      for (Row row : sheet) {       for (Cell cell : row) {        System.out.println("row:" + row.getRowNum() + ",cell:" + cell.toString());       }      }     } catch (IOException e) {      e.printStackTrace();     }    }    Thread.sleep(1000);   } catch (Exception e) {    e.printStackTrace();   }  } }

3.事件模式代码如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84

import java.io.InputStream;    import org.apache.poi.openxml4j.opc.OPCPackage; import org.apache.poi.xssf.eventusermodel.XSSFReader; import org.apache.poi.xssf.model.SharedStringsTable; import org.apache.poi.xssf.usermodel.XSSFRichTextString; import org.xml.sax.Attributes; import org.xml.sax.ContentHandler; import org.xml.sax.InputSource; import org.xml.sax.SAXException; import org.xml.sax.XMLReader; import org.xml.sax.helpers.DefaultHandler; import org.xml.sax.helpers.XMLReaderFactory;    public class EventModel {     public void processOneSheet(String filename) throws Exception {   OPCPackage pkg = OPCPackage.open(filename);   XSSFReader r = new XSSFReader(pkg);   SharedStringsTable sst = r.getSharedStringsTable();      XMLReader parser = fetchSheetParser(sst);   InputStream sheet2 = r.getSheet("rId1");   InputSource sheetSource = new InputSource(sheet2);   parser.parse(sheetSource);   sheet2.close();  }     public XMLReader fetchSheetParser(SharedStringsTable sst) throws SAXException {   XMLReader parser = XMLReaderFactory.createXMLReader("org.apache.xerces.parsers.SAXParser");   ContentHandler handler = new SheetHandler(sst);   parser.setContentHandler(handler);   return parser;  }     private static class SheetHandler extends DefaultHandler {   private SharedStringsTable sst;   private String lastContents;   private boolean nextIsString;      private SheetHandler(SharedStringsTable sst) {    this.sst = sst;   }      public void startElement(String uri, String localName, String name, Attributes attributes) throws SAXException {    if (name.equals("c")) {     System.out.print(attributes.getValue("r") + " - ");     String cellType = attributes.getValue("t");     if (cellType != null && cellType.equals("s")) {      nextIsString = true;     } else {      nextIsString = false;     }    }    lastContents = "";   }      public void endElement(String uri, String localName, String name) throws SAXException {    if (nextIsString) {     int idx = Integer.parseInt(lastContents);     lastContents = new XSSFRichTextString(sst.getEntryAt(idx)).toString();     nextIsString = false;    }       if (name.equals("v")) {     System.out.println(lastContents);    }   }      public void characters(char[] ch, int start, int length) throws SAXException {    lastContents += new String(ch, start, length);   }  }     public static void main(String[] args) throws Exception {   Thread.sleep(5000);   System.out.println("start read");   for (int i = 0; i < 100; i++) {    EventModel example = new EventModel();    example.processOneSheet("D:/test.xlsx");    Thread.sleep(1000);   }  } }

具体代码来源：http://poi.apache.org/spreadsheet/how-to.html#xssf_sax_api

4.设置VM arguments：-Xms100m -Xmx100m

UserModel运行结果直接报OutOfMemoryError，如下所示：

?

1 2 3 4 5 6 7 8 9 10 11 12 13

Exception in thread "main" java.lang.OutOfMemoryError: GC overhead limit exceeded  at java.lang.String.substring(String.java:1877)  at org.apache.poi.ss.util.CellReference.separateRefParts(CellReference.java:353)  at org.apache.poi.ss.util.CellReference.<init>(CellReference.java:87)  at org.apache.poi.xssf.usermodel.XSSFCell.<init>(XSSFCell.java:105)  at org.apache.poi.xssf.usermodel.XSSFRow.<init>(XSSFRow.java:68)  at org.apache.poi.xssf.usermodel.XSSFSheet.initRows(XSSFSheet.java:157)  at org.apache.poi.xssf.usermodel.XSSFSheet.read(XSSFSheet.java:132)  at org.apache.poi.xssf.usermodel.XSSFSheet.onDocumentRead(XSSFSheet.java:119)  at org.apache.poi.xssf.usermodel.XSSFWorkbook.onDocumentRead(XSSFWorkbook.java:222)  at org.apache.poi.POIXMLDocument.load(POIXMLDocument.java:200)  at org.apache.poi.xssf.usermodel.XSSFWorkbook.<init>(XSSFWorkbook.java:179)  at zh.excelTest.UserModel.main(UserModel.java:23)

 

UserModel模式下读取600kbExcel文件直接内存溢出，看了600kbExcel文件映射到内存中还是占用了不少内存；EventModel模式下可以流畅的运行。

5.设置VM arguments：-Xms200m -Xmx200m

UserModel模式和EventModel模式都可以正常运行，但是很明显UserModel模式回收内存更加频繁，而且在cpu的占用上更高。

总结

通过简单的分析以及本地运行两种模式进行比较，可以看到UserModel模式下使用的简单的代码实现了读取，但是在读取大文件时CPU和内存都不理想；

而EventModel模式虽然代码写起来比较繁琐，但是在读取大文件时CPU和内存更加占优。