Excel海量数据导入mongodb

我的需求

• 导入Excel的数据，供系统内查询（将近30w行）
• 这个Excel是一个全量的数据，不是增量，系统外维护，有变化了，定期导入更新

Excel导入

尝试普通的poi导入excel的方式，数据量太大，很容易OOM

WorkbookFactory.create(file.getInputStream());

我的excel不过30M左右，程序占了3g内存，居然还会OOM

参考这个问题：
https://stackoverflow.com/que...

使用这个库，支持用流的方式读取excel：
https://github.com/monitorjbl...

依赖

引用仓库后，出现了Method Not Found的异常，可能是依赖冲突了，我主动排除了一下

            com.monitorjbl
            xlsx-streamer
            2.1.0
            
                
                    org.apache.poi
                    poi
                
            
        
        
            org.apache.poi
            poi
            4.1.2
        

使用xlsx-streamer读取excel：

try (
                InputStream is = file.getInputStream();
                Workbook wb = StreamingReader.builder()
                        // number of rows to keep in memory (defaults to 10)
                        .rowCacheSize(100)
                        // buffer size to use when reading InputStream to file (defaults to 1024)
                        .bufferSize(4096)
                        // InputStream or File for XLSX file (required)
                        .open(is);
        ) {
  ……
}

导入mongodb

数据量比较大，如果组装java对象，肯定浪费性能，我选择直接用 org.bson.Document组装数据。

如果使用 spring-data-mongdb 的API，肯定也有损耗，我选择使用mongdb自己的API：

com.mongodb.client.MongoCollection   
void insertMany(List var1)

来批量导入。维护一个list，从excel中读行组装，每满1000行 insertMany 一次。

我这里是全量导入，不考虑重复更新什么的，直接创建一个新的collection B，导入成功后，drop掉旧的collection A，把collection B重命名为A即可，省心省力。

完整代码：

// 生成一个不会重复的表名
        String collectionName = "invoiceInfo_" + new SimpleDateFormat("yyyyMMddHHmmss").format(new Date());
        if (mongoTemplate.collectionExists(collectionName)) {
            mongoTemplate.dropCollection(collectionName);
        }
        // 创建表
        MongoCollection collection = mongoTemplate.createCollection(collectionName);

        try (
                InputStream is = file.getInputStream();
                Workbook wb = StreamingReader.builder()
                        // number of rows to keep in memory (defaults to 10)
                        .rowCacheSize(100)
                        // buffer size to use when reading InputStream to file (defaults to 1024)
                        .bufferSize(4096)
                        // InputStream or File for XLSX file (required)
                        .open(is);
        ) {
            Sheet sheet = wb.getSheetAt(0);
            long start = System.currentTimeMillis();
            List documents = new ArrayList<>();
            int i = 0;
            for (Row row : sheet) {
                if (i++ == 0 || row == null) {
                    continue;
                }
                // 从第2行开始取数据,默认第一行是表头.
                int col = 0;

                Document document = new Document();
                Object invoiceCode = ExcelUtil.getCellValue(row, col++);
                if (StringUtils.isEmpty(invoiceCode.toString())) {
                    break;
                }
                document.put("invoiceCode", invoiceCode);
                document.put("invoiceNumber", ExcelUtil.getCellValue(row, col++));
                document.put("billingDate", ExcelUtil.getCellValue(row, col++));
                document.put("buyerName", ExcelUtil.getCellValue(row, col++));
                document.put("buyerTaxId", ExcelUtil.getCellValue(row, col++));
                document.put("sellerName", ExcelUtil.getCellValue(row, col++));
                document.put("sellerTaxPayerId", ExcelUtil.getCellValue(row, col++));
                document.put("noTaxAmount", ExcelUtil.getCellValue(row, col++));
                document.put("taxRate", ExcelUtil.getCellValue(row, col++));
                document.put("taxAmount", ExcelUtil.getCellValue(row, col++));
                document.put("amount", ExcelUtil.getCellValue(row, col++));
                document.put("remark", ExcelUtil.getCellValue(row, col++));
                documents.add(document);

                if (i % 1000 == 0) {
                    collection.insertMany(documents);
                    log.info("已导入{}条", i);
                    documents.clear();
                }

            }
            if (!documents.isEmpty()) {
                collection.insertMany(documents);
                log.info("已导入{}条", i);
            }
            log.info("time = {}", System.currentTimeMillis() - start);

            // 删除旧表
            if (mongoTemplate.collectionExists(TABLE_NAME)) {
                mongoTemplate.dropCollection(TABLE_NAME);
            }
            // 将新表重命名
            collection.renameCollection(new MongoNamespace(mongoTemplate.getDb().getName(), TABLE_NAME));

        } catch (Throwable e) {
            log.error("导入发票信息异常", e);
            mongoTemplate.dropCollection(collectionName);
        }

导入结果

我使用的jvm配置 -Xms512m -Xmx1024m 限制内存最大使用1g

实测30w数据导入用了20~25秒左右，

多提供些内存，多花点时间，百万数据应该也没有什么问题