东莞专业网站推广需要多少钱,网页制作基础教程第2版电子教材,成都地铁微信小程序,html网页模板什么是POI#xff0c;为什么它会导致内存溢出 什么是POIExcel并没看到的那么小POI的溢出原理 拓展知识几种Workbook格式 什么是POI
Apache POl#xff0c;是一个非常流行的文档处理工具#xff0c;通常大家会选择用它来处理Excel文件。但是在实际使用的时候经常会遇到内存溢… 什么是POI为什么它会导致内存溢出 什么是POIExcel并没看到的那么小POI的溢出原理 拓展知识几种Workbook格式 什么是POI
Apache POl是一个非常流行的文档处理工具通常大家会选择用它来处理Excel文件。但是在实际使用的时候经常会遇到内存溢出的情况那么为啥他会导致内存溢出呢?
Excel并没看到的那么小
我们通常见到的xlsx文件其实是一个个压缩文件。它们把若千个XML格式的纯文本文件压缩在一起Excel就是读取这些压缩文件的信息最后展现出一个完全图形化的电子表格。
所以如果我们把xlsx文件的后缀更改为.zip或 .rar再进行解压缩就能提取出构成Excel的核心源码文件。解压会发现解压后的文件中有3个文件夹和1个XML格式文件: _rels 文件夹看里面数据像是一些基础的配置信息,比如 workbook 文件的位置等信息一般不会去动它。
docProps 文件夹下重要的文件是一个app.xml,这里面主要存放了 sheet 的信息如果想添加或编辑 sheet 需要改这个文件其他文件都是一些基础信息的数据比如文件所有者创建时间等。
x文件夹是最重要的一个文件夹里面存放了Sheet 中的数据行和列的格式单元格的格式sheet的配置信息等等信息。
所以实际上我们处理的xlsx文件实际上是一个经过高度压缩的文件格式背后是有好多文件支持的。所以我们看到的一个文件可能只有2M但是实际上这个文件未压缩情况下可能要比这大得多。 也就是说POI在处理的时候处理的实际上并不只是我们看到的文件大小实际上比它的大小要大好几倍。
这是为什么明明我们处理的文件只有100多兆但是实际却可能占用1G内存的其中一个原因。当然这只是其中一个原因还有一个原因我们就需要深入到POI的源码中来看了。
POI的溢出原理
我们拿POI的文件读取来举例一般来说文件读取出现内存溢出的情况更多一些。以下是一个POI文件导出的代码示例
import org.apache.poi.ss.usermodel.*;
import org.apache.poi.xssf.usermodel.XSSFWorkbook;
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;public class ExcelReadTest {public static void main(String[] args) {//指定要读取的文件路径String filename example.xlsx;try (FileInputStream fileInputStream new FileInputStream(new File(filename))) {//创建工作簿对象Workbook workbook new XSSFWorkbook(fileInputStream);// 获取第一个工作表Sheet sheet workbook.getSheetAt(0);//遍历所有行for (Row row : sheet) {// 遍历所有单元格for (Cell cell : row) {Thread.sleep(100); //添加注释暂停程序执行100毫秒// 根据不同数据类型处理数据switch (cell.getCellType()) {case STRING:System.out.print(cell.getStringCellValue() \t); //添加注释输出单元格的字符串值break;case NUMERIC:if (DateUtil.isCellDateFormatted(cell)) {System.out.print(cell.getDateCellValue() t); //添加注释输出单元格的日期值} else {System.out.print(cell.getNumericCellValue() t); //添加注释输出单元格的数值}break;case BOOLEAN:System.out.print(cell.getBooleanCellValue() t); //添加注释输出单元格的布尔值break;case FORMULA:System.out.print(cell.getCellFormula() t); //添加注释输出单元格的公式break;default:System.out.print(); //添加注释不做任何操作}}System.out.println(); //添加注释换行}} catch (IOException e) {e.printStackTrace();} catch (InterruptedException e) {throw new RuntimeException(e);}}
}
这里面用到了一个关键的XSSFWorkbook类
public XSSFWorkbook(InputStream is) throws IOException {this(PackageHelper.open(is);
}
public static OPCPackage open(InputStream is) throws IOException {try {return OPCPackage.open(is);}catch (InvalidFormatException e) {throw new POIXMLException(e);}
}最终会调用到OPCPackage.open方法看看这个方法是怎么实现的
/*** Open a package.** * Note - uses quite a bit more memory than (link #open(String)}, which* doesnt need to hold the whole zip file in memory, and can take advantage* of native methods* *aparam in** The InputStream to read the package from* * return A PackageBase object* * * throws InvalidFormatException* * Throws if the specified file exist and is not valid. *
* throws IOException If reading the stream fails
*/public static OPCPackage open(InputStream in) throws InvalidFormatException,IOException {OPCPackage pack new ZipPackage(inPackageAccess.READ_WRITE);try {if (pack.partList nul1) {(pack.getParts();}}catch (InvalidFormatException RuntimeException e) {IOUtils.close0uietly(pack);throw e;}
return pack;
}这行代码的注释中说了这个方法会把整个压缩文件都加载到内存中。也就是把整个 Excel 文档加载到内存中可想而知这在处理大型文件时是肯定会导致导致内存溢出的。
也就是说我们使用的XSSFWorkbook (包括HSSFWorkbook也同理) 在外理Excel的过程中会将整个Excel都加载到内存中在文件比较大的时候就会导致内存溢出。
拓展知识
几种Workbook格式
POI中提供了很多种Workbook API来操作Excel有的适合大文件读写有的不适合。
SSFWorkbook
用于处理Excel的.xsl格式即Excel 97-2003。
XSSFWorkbook
用于处理 Excel 的.xlsx 格式即 Excel 2007 及以后版本的支持更大的数据集和更多的功能如更好的样式和公式支持。但是相对于HSSFWorkbook它在处理大数据集时可能占用更多内存。
SXSSFWorkbook
用于处理xlsx 格式。它是 XSSFWorkbook 的流式版本专门设计用于处理大数据集。通过将数据写入临时文件而非全部保留在内存中显著减少内存消耗。特别适合用于创建大型数据集的 Excel 文件。
