Java中使用POI读取大的Excel文件或者输入流时发生out of memory异常参考解决方案

注意：此参考解决方案只是针对xlsx格式的excel文件！

 

背景

    前一段时间遇到一种情况，服务器经常宕机，而且没有规律性，查看GC日志发生了out of memory，是堆溢出导致的，分析了一下堆的dump文件，发现在发生OOM时创建了大量的String对象。最后对照时间点，发现宕机的时候业务人员在上传一个excel文件，但是这个excel文件才28MB大小，感觉应该不会引起内存溢出。后来在本地启动了服务，然后尝试上传这个excel文件，同时使用Java VisualVM监控GC情况，发现在上传的时候，创建了大量的String对象，后来老年代没有可分配空间导致了OOM。最终分析结果是，excel文件中存在几十万的空行数据，表面上看，这些空行数据跟不存在数据的行是一样的，但是POI会把这种空行数据读入到内存中，感觉这也是一个坑。

    在网上搜了很长时间，发现国内网站上的解决方案真是没法看，基本上答案都差不多，没有什么有见解性的解决方法，后来在stackoverflow上找到了解决方法。算是给自己做一下备注，也想帮助一些还在坑里的人，就分享一下，只是自己的见解，有不得当的地方也请见谅。

 

常规读取方法

    通常在读取excel文件时（.xlsx），是使用如下代码进行加载的：

FileInputStream fi = new FileInputStream("e:/2.xlsx");
XSSFWorkbook wk = new XSSFWorkbook(fi);

    然后再获取对应的Sheet、Row和Cell，然后获取excel中的内容，但是这种方式POI会把文件的所有内容都加载到内存中，读取大的excel文件时很容易占用大量内存。

 

尝试解决方法

    使用Excel Streaming Reader，这个第三方工具会把一部分的行（可以设置）缓存到内存中，在迭代时不断加载行到内存中，而不是一次性的加载所有记录到内存，这样就可以不断的读取excel内容并且不影响内存的使用。

    但是这个工具也有一定的限制：只能用于读取excel的内容，写入操作不可用；可以使用getSheetAt()方法获取到对应的Sheet，因为当前只是加载了有限的row在内存中，因此不能随机访问row，即不能使用getRow(int rowNum)方法；由于行数据已经加载到了内存，因此可以随机的访问Cell数据，即可以使用getCell(int cellnum)方法。使用这个工具，建议使用迭代器来进行迭代。具体内容可以参见：https://github.com/monitorjbl/excel-streaming-reader。

    在pom.xml文件中引入需要的jar包：

        <dependency>
            <groupId>com.monitorjbl</groupId>
            <artifactId>xlsx-streamer</artifactId>
            <version>1.2.0</version>
        </dependency>

    使用代码如下：

    @Test
    public void testLoad() throws Exception{
        FileInputStream in = new FileInputStream("e:/2.xlsx");
        Workbook wk = StreamingReader.builder()
                .rowCacheSize(100)  //缓存到内存中的行数，默认是10
                .bufferSize(4096)  //读取资源时，缓存到内存的字节大小，默认是1024
                .open(in);  //打开资源，必须，可以是InputStream或者是File，注意：只能打开XLSX格式的文件
        Sheet sheet = wk.getSheetAt(0);
        //遍历所有的行
        for (Row row : sheet) {
            System.out.println("开始遍历第" + row.getRowNum() + "行数据：");
            //遍历所有的列
            for (Cell cell : row) {
                System.out.print(cell.getStringCellValue() + " ");
            }
            System.out.println(" ");
        }
    }

 

参考资料：https://stackoverflow.com/questions/11891851/how-to-load-a-large-xlsx-file-with-apache-poi