EasyExcel 百万级别数据高效率导入/导出
-
- poi 框架特性对比
- 大数据量解决思路
-
- 导入
- 导出
- 案例演示
-
- 准备工作
- 示例代码
-
- 导入
-
- MyBatis
- JDBC
- 导出
- 操作时遇到的错误
- 参考文献
在日常的开发中，用的比较多的方式就是 apache 下的 poi 框架了，但在目前数据量大的时代下，这种方式显得已经不适合了
编写该篇文章主要是公司中实际上用到了这种场景，将它作为文章分享出来，如果这种方式的导入/导出能帮助到大家也挺开心的，或者大家也可以发表自己在这方面的看法，提出来，做为更好的一种方式去呈现
节点分以下几步走，先是介绍原始 apache.poi 和由阿里巴巴开源的一框 poi 框架做对比，再是提出解决这方面问题上的思路，然后进行案例演示，最后记录一下在使用中遇到的错误点.
poi 框架特性对比
poi 依赖的基础接口：WorkBook，其下有几种实现子类需要进行区分
1、HSSFWorkbook：Excel 2003(包含) 之前版本使用的子类对象，处理的文件格式都是 .xls 的，其是 poi 中最常用的方式，处理的行数在 6W+，一般处理的数据不超过这个大小就不会出现内存溢出的，这个量内存也是足够支撑的.
2、XSSFWorkbook：Excel 2003-2007 使用的子类对象，目前还是有大量公司使用的这个，文件格式为 .xlsx，出现这个格式就是为了突破 HSSFWorkBook 6W 数据的局限，是为了针对Excel2007版本的 1048576行，16384 列，最多可以导出 104w 条数据，虽然在数据上增加了，但是内存的瓶颈也就来了，OOM 离之不远了.
3、SXSSFWorkbook：该实现类是 POI3.8 之后的版本才有的,它可以操作 Excel2007 以后的所有版本 Excel,扩展名是 .xlsx，这种方式提供了一种低内存占用机制，存储百万数据丝毫不是问题，一般不会出现内存溢出（它使用硬盘来换内存，也就是说当内存数据到达一定时会采用硬盘来进行存储，内存里存储的只会是最新的数据），缺点：因为它使用到了硬盘，当数据到达硬盘以后，也就无法完成数据的克隆或者公式计算，sheet.clone() 已经无法被支持了
在使用过程中，如果不涉及到 Excel 公式和样式并且数据量较大的情况下，推荐使用 SXSSFWorkbook；数据量不超过 6W~7W 也涉及到了公式的计算，推荐使用 XSSFWorkbook
大数据量解决思路
使用传统的 poi 导入导出方式，当数据量过大时，明显会出现 OOM 异常，因此推荐大家使用阿里巴巴开源的 easyExcel 框架作为导入导出的媒介【 GitHub - alibaba/easyexcel: 快速、简单避免OOM的处理Excel工具】
导入
1、导入数据也分批次的导入，导入也需要集合来存储 Excel 行列的值，当这个批次被导入完成后，集合进行清空，防止重复处理且减少内存的占用
2、在下面的案例中，会通过 MyBatis 和 JDBC 做批量的数据库插入操作，很明显你就会 JDBC 的效率比 MyBatis 高，因为 MyBatis 底层也是通过 JDBC 对数据库进行操作的，MyBatis 在处理结果集的时候都是一条一条数据进行循环遍历处理的，所以在这个基础上效率就下降了.
导出
1、不要一次性将数据量全量查询出来，如果几百万数据一下查出来，内存是吃不下的，所以应该对数据进行分批查出，比如：20W一次、10W一次
2、将数据查询出来以后，进行 Excel 写入时，也应该做批次的写入操作，一行一行的写入会造成大量 IO 请求，性能随之就会下降
3、几百万数据同时放在一个 sheet 里面，不然打开一个 sheet 都会停顿很长时间，操作时也会明显变慢，例如：一个 sheet 存储一百万数据
4、导出到 excel 时，肯定需要依赖集合进行数据的临时存储，在每个批次的数据处理完以后，记得对集合进行清空，以便让 GC 知道这个可以提前进行回收了，内存也不会一直被占用.
案例演示
准备工作
前期准备好 SQL 脚本和存储函数用于批量生成假数据.
# 表结构脚本
CREATE TABLE `act_result_log` (
`id` int(10) NOT NULL AUTO_INCREMENT,
`onlineseqid` varchar(32) DEFAULT NULL,
`businessid` varchar(32) DEFAULT NULL,
`becifno` varchar(32) DEFAULT NULL,
`ivisresult` varchar(32) DEFAULT NULL,
`createdby` varchar(32) DEFAULT NULL,
`createddate` date DEFAULT NULL,
`updateby` varchar(32) DEFAULT NULL,
`updateddate` date DEFAULT NULL,
`risklevel` varchar(32) DEFAULT NULL,
`is_deleted` tinyint(4) NOT NULL DEFAULT '0',
PRIMARY KEY (`id`),
KEY `account_id_IDX` (`id`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=1000002 DEFAULT CHARSET=utf8mb4;
# 存储函数，生成五百万数据，等待时间会比较长
CREATE PROCEDURE demo.batch_generate ( )
BEGIN
DECLARE i INT DEFAULT 1;
WHILE i <= 5000000 DO
INSERT INTO `demo`.`act_result_log` (`onlineseqid`, `businessid`, `becifno`, `ivisresult`, `createdby`,`createddate`, `updateby`, `updateddate`,`risklevel`)
VALUES(CONCAT('0' + i), CONCAT('1'+ i), concat('2'+i), concat('3'+i),'1',now(),'1',now(),'1');
SET i = i + 1;
END WHILE;
ENDEasyExcel 相关的版本依赖
3.0.5
com.alibaba
easyexcel
${easyexcel.version}
如果在你项目还用到了低版本的 EasyExcel，需要对旧版本的 poi 依赖进行排除
3.0.5
com.alibaba
easyexcel
${easyexcel.high.version}
org.apache.poi
poi
org.apache.poi
poi-ooxml
org.apache.poi
poi-ooxml-schemas
示例代码
基础依赖的实体类、mapper、service、控制器、公共类
@Data
@Accessors(chain = true)
@TableName("act_result_log")
public class ActResultLogDO implements Serializable {
private static final long serialVersionUID = 1L;
@TableId(value = "id", type = IdType.AUTO)
private Long id;
@TableField("onlineseqid")
private String onlineseqid;
@TableField("businessid")
private String businessid;
@TableField("becifno")
private String becifno;
@TableField("ivisresult")
private String ivisresult;
@TableField("createdby")
private String createdby;
@TableField("createddate")
private LocalDate createddate;
@TableField("updateby")
private String updateby;
@TableField("updateddate")
private LocalDate updateddate;
@TableField("risklevel")
private String risklevel;
}@Data
public class ActResultLogVO implements Serializable {
private static final long serialVersionUID = 1L;
@ExcelProperty(value = "onlineseqid",index = 0)
private String onlineseqid;
@ExcelProperty(value = "businessid",index = 1)
private String businessid;
@ExcelProperty(value = "becifno",index = 2)
private String becifno;
@ExcelProperty(value = "ivisresult",index = 3)
private String ivisresult;
@ExcelProperty(value = "createdby",index = 4)
private String createdby;
@ExcelProperty(value = "createddate",index = 5)
private LocalDate createddate;
@ExcelProperty(value = "updateby",index = 6)
private String updateby;
@ExcelProperty(value = "updateddate",index = 7)
private LocalDate updateddate;
@ExcelProperty(value = "risklevel",index = 8)
private String risklevel;
}@RequestMapping("/excel")
@RestController
public class ExcelController {
@Resource
private EasyExcelUtil easyExcelUtil;
@GetMapping("/export")
public void exportExcel(HttpServletResponse response) {
easyExcelUtil.dataExport300w(response);
}
}public class ExcelConstants {
public static final Integer PER_SHEET_ROW_COUNT = 100*10000;
public static final Integer PER_WRITE_ROW_COUNT = 20*10000;
public static final Integer GENERAL_ONCE_SAVE_TO_DB_ROWS_JDBC = 10*10000;
public static final Integer GENERAL_ONCE_SAVE_TO_DB_ROWS_MYBATIS = 5*10000;
}导入
导入分两种方式进行，第一种是通过 mybatis 编写 SQL 语句运行，不使用 MP 是因为它底层的批量新增是一条一条写入的，并不是实际意义上的批次；第二种是通过原生 JDBC 进行批量操作，使用手动提交事务的方式.
public interface IActResultLogService extends IService {
/**
* 通过分页参数查询一百w数据
* @return
*/
List findByPage100w(Integer pageNum,Integer pageSize);
/**
* 从 Excel 导入数据，批次为 10w，通过 JDBC
* @param dataList
* @return
*/
Map import2DBFromExcel10wByJDBC(List> dataList);
/**
* 从 Excel 导入数据，批次为 10W，通过 MyBatis
* @param actResultLogList
*/
void import2DBFromExcel10wByMybatis(List actResultLogList);
} @Slf4j
@Service
public class ActResultLogServiceImpl extends ServiceImpl implements IActResultLogService {
@Override
public List findByPage100w(Integer pageNum, Integer pageSize) {
PageInfo pageInfo = PageHelper.startPage(pageNum, pageSize).doSelectPageInfo(() -> {
QueryWrapper wrapper = new QueryWrapper<>();
// TODO 此处可以进行添加条件过滤
baseMapper.selectList(wrapper);
});
return pageInfo.getList();
}
// Service中具体业务逻辑
/**
* 测试用Excel导入超过10w条数据,经过测试发现,使用Mybatis的批量插入速度非常慢,所以这里可以使用 数据分批+JDBC分批插入+事务来继续插入速度会非常快
*/
@Override
public Map import2DBFromExcel10wByJDBC(List> dataList) {
Map result = new HashMap<>();
// 结果集中数据为0时,结束方法.进行下一次调用
if (dataList.size() == 0) {
result.put("empty", "0000");
return result;
}
// JDBC分批插入+事务操作完成对10w数据的插入
Connection conn = null;
PreparedStatement ps = null;
try {
long startTime = System.currentTimeMillis();
log.info("{} 条,开始导入到数据库时间:{}", dataList.size(), startTime + "ms");
conn = JDBCDruidUtils.getConnection();
// 控制事务:默认不提交
conn.setAutoCommit(false);
String sql = "insert into ACT_RESULT_LOG (onlineseqid,businessid,becifno,ivisresult,createdby,createddate,updateby,updateddate,risklevel) values";
sql += "(?,?,?,?,?,?,?,?,?)";
ps = conn.prepareStatement(sql);
// 循环结果集:这里循环不支持"烂布袋"表达式
for (int i = 0; i < dataList.size(); i++) {
Map item = dataList.get(i);
ps.setString(1, item.get(0));
ps.setString(2, item.get(1));
ps.setString(3, item.get(2));
ps.setString(4, item.get(3));
ps.setString(5, item.get(4));
ps.setTimestamp(6, new Timestamp(System.currentTimeMillis()));
ps.setString(7, item.get(6));
ps.setTimestamp(8, new Timestamp(System.currentTimeMillis()));
ps.setString(9, item.get(8));
// 将一组参数添加到此 PreparedStatement 对象的批处理命令中。
ps.addBatch();
}
// 执行批处理
ps.executeBatch();
// 手动提交事务
conn.commit();
long endTime = System.currentTimeMillis();
log.info("{} 条,结束导入到数据库时间:{}", dataList.size(), endTime + "ms");
log.info("{} 条,导入用时:{}", dataList.size(), (endTime - startTime) + "ms");
result.put("success", "1111");
} catch (Exception e) {
result.put("exception", "0000");
e.printStackTrace();
} finally {
// 关连接
JDBCDruidUtils.close(conn, ps);
}
return result;
}
// 采用 mapper 编写 SQL 语句进行测试，效率明显比原生 JDBC 要高
@Override
public void import2DBFromExcel10wByMybatis(List actResultLogList) {
baseMapper.importToDb(actResultLogList);
}
} MyBatis
insert into ACT_RESULT_LOG (onlineseqid,businessid,becifno,ivisresult,createdby,createddate,updateby,updateddate,risklevel)
values
(
#{item.onlineseqid},#{item.businessid},#{item.becifno},#{item.ivisresult},#{item.createdby},#{item.createddate},
#{item.updateby},#{item.updateddate},#{item.risklevel}
)
Excel.read() 方法需要一个监听器，当（事件）数据到达时，通过你自定义的这个监听器进行数据的流转处理.
public class EasyExcelGeneralDataMybatisListener extends AnalysisEventListener {
private IActResultLogService actResultLogService;
/**
* 用于存储读取的数据
*/
private List dataList = new ArrayList<>();
public EasyExcelGeneralDataMybatisListener() {
}
public EasyExcelGeneralDataMybatisListener(IActResultLogService actResultLogService) {
this.actResultLogService = actResultLogService;
}
@Override
public void invoke(ActResultLogVO data, AnalysisContext context) {
// 数据add进入集合
dataList.add(data);
// size是否为100000条:这里其实就是分批.当数据等于10w的时候执行一次插入
if (dataList.size() >= ExcelConstants.GENERAL_ONCE_SAVE_TO_DB_ROWS_JDBC) {
// 存入数据库:数据小于 1w 条使用 Mybatis 批量插入即可
saveData();
// 清理集合便于GC回收
dataList.clear();
}
}
/**
* 保存数据到 DB
*/
private void saveData() {
if (dataList.size() > 0) {
actResultLogService.import2DBFromExcel10wByMybatis(StarBeanUtils.copyList(dataList, ActResultLogDO.class));
dataList.clear();
}
}
/**
* Excel 中所有数据解析完毕会调用此方法
*/
@Override
public void doAfterAllAnalysed(AnalysisContext context) {
saveData();
dataList.clear();
}
} 编写一个测试类，测试该方式导入花费的时间
@Slf4j
@RunWith(SpringRunner.class)
@SpringBootTest(classes = StarApplication.class)
public class EasyExcelTest {
@Resource
private IActResultLogService actResultLogService;
// EasyExcel的读取Excel数据的API
@Test
public void import2DBFromExcel10wTest() {
String fileName = "/Users/vnjohn/Downloads/export-excel.xlsx";
// 记录开始读取Excel时间,也是导入程序开始时间
long startReadTime = System.currentTimeMillis();
log.info("------开始读取Excel的Sheet时间(包括导入数据过程):" + startReadTime + " ms------");
// 读取所有Sheet的数据.每次读完一个Sheet就会调用这个方法
EasyExcel.read(fileName, ActResultLogVO.class, new EasyExcelGeneralDataMybatisListener(actResultLogService))
.registerConverter(new EasyExcelLocalDateConvert()).doReadAll();
// EasyExcel.read(fileName, new EasyExcelGeneralDataJDBCListener(actResultLogService)).doReadAll();
long endReadTime = System.currentTimeMillis();
log.info("------结束读取Excel的Sheet时间(包括导入数据过程):" + endReadTime + " ms------");
log.info("------导入总花费时长：{}", ((endReadTime - startReadTime) / 1000) + "s------");
}
}通过 Mybatis 导入，需要映射到具体的实体，JDK1.8 以后时间类型大部分都是使用 LocalDate 这种类型了，在 EasyExcel 中没有提供这种 Excel 时间列值到时间类型的转换，所以我们需要自定义一个转换器用来适配
public class EasyExcelLocalDateConvert implements Converter {
@Override
public Class supportJavaTypeKey() {
return LocalDate.class;
}
@Override
public CellDataTypeEnum supportExcelTypeKey() {
return CellDataTypeEnum.STRING;
}
@Override
public LocalDate convertToJavaData(ReadCellData cellData, ExcelContentProperty contentProperty,
GlobalConfiguration globalConfiguration) throws Exception {
return LocalDate.parse(cellData.getStringValue(), DateTimeFormatter.ofPattern("yyyy-MM-dd"));
}
@Override
public WriteCellData convertToExcelData(LocalDate value, ExcelContentProperty contentProperty, GlobalConfiguration globalConfiguration) throws Exception {
return new WriteCellData<>(value.format(DateTimeFormatter.ofPattern("yyyy-MM-dd")));
}
} 执行 @Test 方法，结果如下
------开始读取Excel的Sheet时间(包括导入数据过程):1657257416753ms
------结束读取Excel的Sheet时间(包括导入数据过程):1657257794753 ms------
------导入总花费时长：378s------
JDBC
使用JDBC读取 Excel 每一行数据返回的数据类型是 Map
driverClassName=com.mysql.cj.jdbc.Driver
url=jdbc:mysql://127.0.0.1/demo?useUnicode=true&characterEncoding=UTF-8&serverTimezone=Asia/Shanghai&useSSL=false
username=root
password=123456public class EasyExcelGeneralDataJDBCListener extends AnalysisEventListener> {
private IActResultLogService actResultLogService;
/**
* 用于存储读取的数据
*/
private List> dataList = new ArrayList<>();
public EasyExcelGeneralDataJDBCListener() {
}
public EasyExcelGeneralDataJDBCListener(IActResultLogService actResultLogService) {
this.actResultLogService = actResultLogService;
}
@Override
public void invoke(Map data, AnalysisContext context) {
// 数据add进入集合
dataList.add(data);
// size是否为100000条:这里其实就是分批.当数据等于10w的时候执行一次插入
if (dataList.size() >= ExcelConstants.GENERAL_ONCE_SAVE_TO_DB_ROWS_JDBC) {
// 存入数据库:数据小于 1w 条使用 Mybatis 批量插入即可
saveData();
// 清理集合便于GC回收
dataList.clear();
}
}
/**
* 保存数据到 DB
*/
private void saveData() {
if (dataList.size() > 0) {
actResultLogService.import2DBFromExcel10wByJDBC(dataList);
dataList.clear();
}
}
/**
* Excel 中所有数据解析完毕会调用此方法
*/
@Override
public void doAfterAllAnalysed(AnalysisContext context) {
saveData();
dataList.clear();
}
} 执行 @Test 方法后，结果如下：
------开始读取Excel的Sheet时间(包括导入数据过程):1657258268921 ms------
------结束读取Excel的Sheet时间(包括导入数据过程):1657258435024 ms------
------导入总花费时长：166s------
比较 mybatis 和原生 JDBC 执行后的结果可以看到，JDBC 的效率比 MyBatis 提升了 2.2 以上。
导出
导出的数据量按照 200W 来进行测试，100W存到一个 sheet 里面，从数据库先查询总数，然后 /100W 得出多少个 sheet，外层循环是 sheet 数量，内层是要读取数据库的次数，比如一次性查询出 20W 数据，那么一个 sheet 就需要查 5 次，因此查询次数在 sheet数*5 这个范围；注意：在每次从数据库读取完以后，记得清空集合的元素，方便提前被 GC 回收，防止内存的空间占用
@Slf4j
@Component
public class EasyExcelUtil {
@Resource
private IActResultLogService actResultLogService;
/**
* 导出逻辑代码
*
* @param response
*/
public void dataExport300w(HttpServletResponse response) {
OutputStream outputStream = null;
try {
long startTime = System.currentTimeMillis();
log.info("导出开始时间:{}", startTime);
outputStream = response.getOutputStream();
WriteWorkbook writeWorkbook = new WriteWorkbook();
writeWorkbook.setOutputStream(outputStream);
writeWorkbook.setExcelType(ExcelTypeEnum.XLSX);
ExcelWriter writer = new ExcelWriter(writeWorkbook);
String fileName = new String(("export-excel").getBytes(), StandardCharsets.UTF_8);
// TODO WriteTable 标题这块可以作为公共的封装起来：通过反射获取变量上注解等
WriteTable table = new WriteTable();
List> titles = new ArrayList>();
titles.add(Collections.singletonList("onlineseqid"));
titles.add(Collections.singletonList("businessid"));
titles.add(Collections.singletonList("becifno"));
titles.add(Collections.singletonList("ivisresult"));
titles.add(Collections.singletonList("createdby"));
titles.add(Collections.singletonList("createddate"));
titles.add(Collections.singletonList("updateby"));
titles.add(Collections.singletonList("updateddate"));
titles.add(Collections.singletonList("risklevel"));
table.setHead(titles);
// 记录总数：实际中需要根据查询条件（过滤数据）进行统计即可，
// TODO 此处写入限定的条数进行自测
// Integer totalCount = actResultLogService.count();
Integer totalCount = 200 * 10000;
// 每一个Sheet存放100w条数据
Integer sheetDataRows = ExcelConstants.PER_SHEET_ROW_COUNT;
// 每次写入的数据量20w
Integer writeDataRows = ExcelConstants.PER_WRITE_ROW_COUNT;
// 计算需要的Sheet数量
int sheetNum = totalCount % sheetDataRows == 0 ? (totalCount / sheetDataRows) : (totalCount / sheetDataRows + 1);
// 计算一般情况下每一个Sheet需要写入的次数(一般情况不包含最后一个sheet,因为最后一个sheet不确定会写入多少条数据)
int oneSheetWriteCount = totalCount > sheetDataRows ? sheetDataRows / writeDataRows : totalCount % writeDataRows > 0 ? totalCount / writeDataRows + 1 : totalCount / writeDataRows;
// 计算最后一个sheet需要写入的次数
int lastSheetWriteCount = totalCount % sheetDataRows == 0 ? oneSheetWriteCount : (totalCount % sheetDataRows % writeDataRows == 0 ? (totalCount / sheetDataRows / writeDataRows) : (totalCount / sheetDataRows / writeDataRows + 1));
// 开始分批查询分次写入
// 注意这次的循环就需要进行嵌套循环了,外层循环是Sheet数目,内层循环是写入次数
List> dataList = new ArrayList<>();
for (int i = 0; i < sheetNum; i++) {
//创建Sheet
WriteSheet sheet = new WriteSheet();
sheet.setSheetNo(i);
sheet.setSheetName(fileName + i);
// 循环写入次数: j的自增条件是当不是最后一个Sheet的时候写入次数为正常的每个Sheet写入的次数,如果是最后一个就需要使用计算的次数lastSheetWriteCount
for (int j = 0; j < (i != sheetNum - 1 || i==0 ? oneSheetWriteCount : lastSheetWriteCount); j++) {
// 集合复用,便于GC清理
dataList.clear();
// 分页查询一次20w
List resultList = actResultLogService.findByPage100w(j + 1 + oneSheetWriteCount * i, writeDataRows);
if (!CollectionUtils.isEmpty(resultList)) {
resultList.forEach(item -> {
dataList.add(Arrays.asList(item.getOnlineseqid(), item.getBusinessid(), item.getBecifno(), item.getIvisresult(), item.getCreatedby(), LocalDate.now().format(DateTimeFormatter.ofPattern("yyyy-MM-dd")), item.getUpdateby(), LocalDate.now().format(DateTimeFormatter.ofPattern("yyyy-MM-dd")), item.getRisklevel()));
});
}
// 写数据
writer.write(dataList, sheet, table);
}
}
// 下载EXCEL 以下代码可以作为公共的进行封装.
setExcelRespProp(response, fileName);
writer.finish();
outputStream.flush();
// 导出时间结束
long endTime = System.currentTimeMillis();
log.info("导出结束时间:{}", endTime + "ms");
log.info("导出所用时间:{}", (endTime - startTime) / 1000 + "秒");
} catch (Exception e) {
e.printStackTrace();
} finally {
if (outputStream != null) {
try {
outputStream.close();
} catch (Exception e) {
e.printStackTrace();
}
}
}
}
/**
* 设置excel下载响应头属性
*/
public static void setExcelRespProp(HttpServletResponse response, String rawFileName){
response.setContentType("application/vnd.openxmlformats-officedocument.spreadsheetml.sheet");
response.setCharacterEncoding("utf-8");
String fileName = null;
try {
fileName = URLEncoder.encode(rawFileName, "UTF-8").replaceAll("\\+", "%20");
} catch (UnsupportedEncodingException e) {
log.error("设置excel下载响应头属性，失败 {}",e.getMessage());
}
response.setHeader("Content-disposition", "attachment;filename=utf-8''" + fileName + ".xlsx");
}
} 前面已经把控制器类贴出来了，请求地址：前缀/excel/export，我这边采用的测试工具为 safari 浏览器，如果是 windows 可以使用自带的微软浏览器，google 和 postman 我这边测试的时候可能是因为数据量太大的原因导致内存爆满，程序就异常退出了.
导出的时间结果如下：
导出结束时间:1657259099773ms
导出所用时间:71秒
操作时遇到的错误
1、MySQL 允许最大的包文件参数调整
在进行 MyBatis 测试时，一下子堆积 10W 数据批量插入，MySQL 抛出异常提示传输的包文件过大，超出了参数的配置，导致无法正常插入，需要调整 show VARIABLES like '%max_allowed_packet%'，Windows 是在 server 根目录下的 my.ini 文件中，默认为 8M，将其调整 64M 即可；Linux/Mac 是在 server 根目录下的 my.cnf 文件里，Mac 无须调整，参数大小足够支撑了.
2、导入 Excel 列数据无法与实体属性映射问题
刚开始 ActResultLogVO 类上只是加了 @Getter/@Setter 注解，不是使用的 @Data 注解，导致无法映射，最终修改为 @Data 注解该问题不再出现，具体原因后续文章进行详细分析.
足以见识到 EasyExcel 支撑的强大数据量，对此底层实现后续可以详细了解和阅读，学习其强大的内功心法
参考文献
https://www.freesion.com/article/8852561865/
https://blog.csdn.net/weixin_44848900/article/details/117701981
EasyExcel 案例源码： https://github.com/vnjohn/easyexcel-demo.git更多技术文章可以查看： vnjohn 个人博客