2亿数据怎么导出到Excel？_几亿个数据复制到excle里

java突击队 2023-01-18 08:00 发表于四川

以下文章来源于的数字化之路 ，作者唐成

的数字化之路.

记录学习与思考，享受进步的小欢喜

• 拉通业务价值

• 导出到几个Excel?

• 如何做：难点剖析

• 如何做：技术方案-整体方案

• 如何做：技术方案-详细方案

• 如何做：技术方案-注意事项

• 小结

---

人狠话不多--这个要求不简单！

有问题：

导出的需求，不符合线上数据闭环的原则，且有引发数据泄漏的风险！

做个微信那样的App需要多少钱？

导出2亿数据，对系统的要求更高，需要占用更多精锐研发资源。

查看2亿条数据的excel，用户电脑的配置低时，有卡或死机。

拉通业务价值

根因分析：

• 导出2亿条数据，到底解决了什么业务问题？

• 从产品矩阵的角度看，属于哪类场景的哪类问题？

• 导2亿数据是个长期方案，还是一个临时方案？

• 为什么一定要把数据导出来，增加一个线上功能能不能解决问题？

• 为什么一定要导这么多，这些数据都是有必要的吗？有没有数据泄露的风险？是否符合数据分类分级的要求？

另外，一个包含2亿条数据的Excel，用户需要什么配置的电脑才能正常查看数据？

用户不知道自己想要什么。需求不是来自用户的，用户不知道自己想要什么，而是需要你来告诉他，他需要什么。

如果是一个长期方案且只有导出数据才能解决问题，或者“老板让我做的”，或者“你要尊重我的专业性，做好你自己的事情就好了”，或者“我让你做啥你就做，那有那么多事，你觉得我是工具人吗？”，那么，就进入下一步

没有银弹！是的，这个功能只能通过系统化方案和高超的Coding技艺了

导出到几个Excel?

另外Excel中一个sheet中最多有1 048 576行。导出2亿数据需要分sheet或分excel。

想了解如何查看sheet最多有多少行？见文章末尾

一个Excel中的sheet数是有限制的：excel2003限制255个;excel2007无限制。

excel2003：一个Excel中最多只能包含267386880，即2亿6千7百3拾8万6千8百8拾行。

达成共识后，进入下一步

如何做：难点剖析

这个需求的特点：导出的数据量大

难点：

1. 耗时较长

2. 直接从导出服务中下载Excel数据流时成功率低。服务器不稳定、请求超时、网络抖动会引发失败

3. 导出大量数据时会引发服务器不稳定。导出过程会占用服务器内存，如果多个导出任务同时进行，很容易耗尽服务器的内存

解决办法：

1. 异步导出

2. 采用导出的excel上传到Oss的数据流转形式。提升导出功能的稳定性和确定性

3. 导出任务分类分级。根据导出的数据量，对导出任务分类，然后不同的并发策略

4. 降低导出大数据量任务的并发数

5. Oss上的数据，要分类分级。导出的数据有时效性，属于临时数据，不需要长期保存

想了解直接从服务器端导出byte流的缺点？见文章末尾

如何做：技术方案-整体方案

异步导出的方案：

方案一： 用户触发导出后，使用异步线程执行导出任务。

方案二：将导出操作抽象成一个任务，并持久化到数据库，然后由定时任务来完成导出

方案三：将导出操作抽象成一个任务，并持久化到数据库，然后将任务Id发送到消息队列，通过消费队列中的消息来完成导出

结论：

1. 将导出操作抽象成一个任务，并持久化到数据库【优先级高】；

2. 根据导出的数据量将任务Id分发到不同的消息队列【优先级高】，譬如耗时的任务阻塞了小任务，提升导出任务的吞吐量

3. 提供一个定时任务检查遗漏的任务【优先级低】。

没有采用使用异步线程进行导出的原因：

1. 容易失败。2亿条数据导出耗时较长，如果遇到应用重启，任务就失败了

2. 扩展性差，会引发稳定性风险。导出大量数据任务较多时，会占用大量内存，很容易出现稳定性问题。

3. 不容易做分类分级。会出现一个耗时导出任务，导致所有导出任务都无法正常工作

如何做：技术方案-详细方案

下载中心整体设计

https://www.processon.com/view/6382e4b4e0b34d37c46db1e3

如何做：技术方案-注意事项

1. 大数据量导出任务，获取数据时要采用小批量多次获取的策略。比如分页获取数据

2. 可以动态调整导出任务的并发数。防止服务器资源被快速耗尽，而影响稳定性

3. 要确认默认的ConsumeTimeout是否能满足需要。比如RocketMq每条消息消费的最大超时时间默认是15分钟，超时时间则判定消费失败，然后重新投递

4. 选择一个好的“轮子”，可以少踩坑。比如Easy Excel

小结

1. 耗时的任务异步化

2. 要有IT sense。数据量不同，需要的能力就不同。比如都是聊天软件，做个微信需要多少钱？

3. 处理海量数据时，要控制并发

4. 要控制滞留内存的数据。非必要的数据，及时释放掉。

5. 避免出现方案级别的瓶颈。比如一个耗时的导出任务，让整个导出功能都停摆

6. 要分类分级。不同的场景要使用不同的策略，提供更多的处理办法

7. 数据及时清理。比如导出的数据都有时效性，不需要长期保存在Oss，

8. 数据安全的sense。导出的业务数据长期滞留线上，会有数据泄漏风险

9. 不同的“轮子”都有各自特点，提前做好调研，避免踩坑。实在拿不准时，就用自己熟悉的

最后

好钢要用在刃上。
用合适的办法，最小成本解决业务问题，最好是长期性解决。

补充：

如何查看sheet最多可以放多少行的内容？

step1:新建一个Excel并打  

step2: 在空白的Excel工作表中，使用鼠标点击sheet内的任意单元格    

step3: 按快捷键CTRL和向下方向键，这时，会跳转到这个工作表的最后一行  

Windows：CTRL和向下方向键；

Mac：COMMNAD和向下方向键

1048576

Command-向下箭头键

参考：

直接从服务器端导出byte流的缺点：踩了坑：导出功能没做好，差点被投诉

https://www.kdocs.cn/l/scKhZ8COYJpW

https://www.cnblogs.com/softidea/p/15314592.html

https://easyexcel.opensource.alibaba.com

https://mp.weixin.qq.com/s/mEsu7QnkDjf13Xb3Ztcb6A

java突击队

技术经验分享

公众号