Excel百万数据高性能导出方案!

前言

在我们的日常工作中，经常会有Excel数据导出的需求。

但可能会遇到性能和内存的问题。

今天这篇文章跟大家一起聊聊Excel高性能导出的方案，希望对你会有所帮助。

1 传统方案的问题

很多小伙伴门在开发数据导出功能时，习惯性使用Apache POI的HSSF/XSSF组件。

这类方案在数据量超过5万行时，会出现明显的性能断崖式下跌。

根本原因在于内存对象模型的设计缺陷：每个Cell对象占用约1KB内存，百万级数据直接导致JVM堆内存爆炸。

示例代码（反面教材）：

// 典型内存杀手写法Workbook workbook = new XSSFWorkbook();Sheet sheet = workbook.createSheet();for (int i = 0; i < 1000000; i++) {    Row row = sheet.createRow(i); // 每行产生Row对象    row.createCell(0).setCellValue("数据"+i); // 每个Cell独立存储}

这种写法会产生约100万个Row对象和1000万个Cell对象（假设每行10列），直接导致内存占用突破1GB。

更致命的是频繁Full GC会导致系统卡顿甚至OOM崩溃。

2 流式处理架构设计

高性能导出的核心在于内存与磁盘的平衡。

这里给出两种经过生产验证的方案：

方案一：SXSSFWorkbook

使用SXSSFWorkbook类，它是Apache POI的增强版。

具体示例如下：

// 内存中只保留1000行窗口SXSSFWorkbook workbook = new SXSSFWorkbook(1000); Sheet sheet = workbook.createSheet();for (int i = 0; i < 1000000; i++) {    Row row = sheet.createRow(i);// 写入后立即刷新到临时文件if(i % 1000 == 0) {        ((SXSSFSheet)sheet).flushRows(1000);     }}

通过设置滑动窗口机制，将已处理数据写入磁盘临时文件，内存中仅保留当前处理批次。实测百万数据内存占用稳定在200MB以内。

方案二：EasyExcel

EasyExcel是阿里巴巴开源的Excel高性能处理框架，目前在业界使用比较多。

最近EasyExcel的作者又推出了FastExcel，它是EasyExcel的升级版。

// 极简流式API示例String fileName = "data.xlsx";EasyExcel.write(fileName, DataModel.class)    .registerWriteHandler(newLongestMatchColumnWidthStyleStrategy())    .sheet("Sheet1")    .doWrite(data -> {// 分页查询数据int page = 0;while (true) {            List<DataModel> list = queryByPage(page, 5000);if (CollectionUtils.isEmpty(list)) break;            data.write(list);            page++;        }    });

该方案通过事件驱动模型和对象复用池技术，百万数据导出内存占用可控制在50MB以下。

其核心优势在于：

1. 自动分批加载数据（默认每批次5000条）
2. 通过反射缓存消除重复对象创建
3. 内置样式优化策略避免内存碎片

3 数据库查询的黄金法则

即便导出工具优化到位，若数据查询环节存在瓶颈，整体性能仍会大打折扣。这里给出三个关键优化点：

3.1 解决深度分页问题

传统分页查询在百万级数据时会出现性能雪崩：

SELECT * FROM table LIMIT 900000, 1000 -- 越往后越慢！

正确姿势应使用游标方式：

// 基于自增ID的递进查询Long lastId = 0L;int pageSize = 5000;do {    List<Data> list = jdbcTemplate.query("SELECT * FROM table WHERE id > ? ORDER BY id LIMIT ?",new BeanPropertyRowMapper<>(Data.class),lastId, pageSize);if(list.isEmpty()) break;    lastId = list.get(list.size()-1).getId();// 处理数据...} while (true);

该方案利用索引的有序性，将时间复杂度从O(N²)降为O(N)。

3.2 减少字段数量

-- 错误写法：全字段查询SELECT * FROM big_table -- 正确姿势：仅取必要字段SELECTid,name,create_time FROM big_table

实测显示，当单行数据从20个字段缩减到5个字段时，查询耗时降低40%，网络传输量减少70%。

3.3 连接池参数调优

# SpringBoot配置示例spring:datasource:hikari:maximum-pool-size:20# 根据CPU核数调整connection-timeout:30000idle-timeout:600000max-lifetime:1800000

导出场景建议使用独立连接池，避免影响主业务。

连接数计算公式：线程数 = CPU核心数 * 2 + 磁盘数。

4 生产级进阶技巧

4.1  异步分片导出

想要提升Excel数据导出的性能，我们必须使用多线程异步导出的方案。

具体示例如下：

@Async("exportExecutor")public CompletableFuture<String> asyncExport(ExportParam param){// 1. 计算分片数量int total = dataService.count(param);int shardSize = total / 100000; // 2. 并行处理分片    List<CompletableFuture<Void>> futures = new ArrayList<>();for (int i = 0; i < shardSize; i++) {int finalI = i;        futures.add(CompletableFuture.runAsync(() -> {            exportShard(param, finalI * 100000, 100000);        }, forkJoinPool.commonPool()));    }// 3. 合并文件    CompletableFuture.allOf(futures.toArray(new CompletableFuture)        .thenApply(v -> mergeFiles(shardSize));return CompletableFuture.completedFuture(taskId);}

通过分治策略将任务拆解为多个子任务并行执行，结合线程池管理实现资源可控。

4.2 配置JVM参数

我们需要配置JVM参数，并且需要对这些参数进行调优：

// JVM启动参数示例-Xmx4g -Xms4g -XX:+UseG1GC -XX:MaxGCPauseMillis=200-XX:ParallelGCThreads=4-XX:ConcGCThreads=2-XX:InitiatingHeapOccupancyPercent=35

这样可以有效的提升性能。

导出场景需特别注意：

• 年轻代与老年代比例建议2:1
• 避免创建超过50KB的大对象
• 使用对象池复用DTO实例

4.3 整体方案

Excel高性能导出的方案如下图所示：

用户点击导出按钮，会写入DB，生成一个唯一的任务ID，任务状态为待执行。

然后后台异步处理，可以分页将数据写入到Excel中（这个过程可以使用多线程实现）。

将Excel文件存储到云存储中。

然后更新任务状态为以完成。

最后通过WebSocket通知用户导出结果。

5 总结

经过多个千万级项目的锤炼，我们总结出Excel高性能导出的黄金公式：

高性能 = 流式处理引擎 + 分页查询优化 + 资源管控

具体实施时可参考以下决策树：

最后给小伙伴们的三个忠告：

1. 切忌过早优化：在需求明确前不要盲目选择复杂方案
2. 监控先行：务必埋点记录导出耗时、内存波动等关键指标
3. 兜底策略：始终提供CSV导出选项作为保底方案

希望本文能帮助大家在数据导出的战场上，真正实现"百万数据，弹指之间"！

程序员在线工具站：cxytools.com
推荐一个自己写的工具站：https://cxytools.com，专为程序员设计，包括时间日期、
JSON处理、SQL格式化、随机字符串生成、UUID生成、文本Hash...等功能，提升开发效
率。
⬇戳阅读原文直达！朕已阅