.NET导出Excel的四种方法及评测

.NET导出Excel的四种方法及评测

导出Excel是.NET的常见需求，开源社区、市场上，都提供了不少各式各样的Excel操作相关包。本文，我将使用NPOI、EPPlus、OpenXML、Aspose.Cells四个市面上常见的库，各完成一个导出Excel示例。然后对其代码风格和性能做一个横向比较。最后我将说出我自己的感想。

文中所有的示例代码可以在这里下载：
https://github.com/sdcb/blog-data/tree/master/2019/20190824-dotnet-excel-compare

NPOI

NPOI源自于Java写的Apache POI，目前最新版本是2.4.1。NPOI是开源项目，作者是华人，项目地址是：https://github.com/tonyqus/npoi。

几年前大家导出Excel都使用COM，但COM不方便，这个组件的推出无疑弥补了.NET在Excel方面组件的空白，大家都说比COM好用。

NPOI还加入了.NET Core Community组织。

EPPlus

EPPlus是另一个开源的Excel操作库，目前最新版本是4.5.3.2。Github地址如下：https://github.com/JanKallman/EPPlus。

EPPlus仅依赖基础类库（BCL），完全没有第三方包依赖，也是.NET原生库。

EPPlus只支持导出Office 2007之后的格式，也就是xlsx。这已经是存在12年的格式了，但如果有客户想要导出xls，EPPlus将不支持。

OpenXML

OpenXML的NuGet包全称是DocumentFormat.OpenXml：是微软推出的较为低层的Excel操作库，最新稳定版本是2.9.1。OpenXML也是开源项目，地址是：https://github.com/OfficeDev/Open-XML-SDK。

从该项目的名字可以看出，OpenXML比较涉及底层，因此很容易令人浮想联翩，感觉它的性能、速度很可能是最快的，但真的如此吗？

Aspose.Cells

这是Aspose Pty Ltd公司推出的Excel操作库。它是众多Aspose File Format API产品其中之一。目前最新版本是19.8.0（基于年/月）。Aspose提供了应有尽有的文件格式支持，除了.NET外，Aspose还提供了C++和Java的包。

据我所知Aspose的客户支持服务也不错，客户提出的问题经常可以在下一次发布时解决。

Aspose.Cells是不开源，付费的库，但提供无限期的试用，据官方网站显示，试用版将：

  • 限制打开文件数量100个
  • 限制使用Aspose.Cells.GridWeb功能
  • 生成的Excel将添加如下水印：

但经过我的试用，无论是并行还是串行，都没找到限制打开文件数量100个的限制。因此，“试用版”对我们的物理限制，就只有这个水印了（当然加了这个水印客户肯定也不会有好表情😂）。

Excel-COM

COM是随着Excel安装而自带的库，Excel的包名叫Microsoft.Office.Interop.Excel。本文不会深入解析，具体可以看这篇文档。

我想要多说两句的是，COM的old-fashion（过时）不是没有原因的，据我所知COM有以下缺点：

  • 调用时会启动一个进程外的excel.exe，可能因为它为是专门为Office设计的（不是为.NET集成设计的）
  • 要求目标环境安装相关软件，没安装将无法运行
  • 显然也没办法跨平台
  • 使用了大量动态/多参数接口，对开发不是很友好
  • 不像托管内存，COM对资源释放也有要求，具体参见这篇文章

横向比较

NPOI EPPlus OpenXML Aspose.Cells
包依赖 有1个 无 无 无
封装程度 正常 正常 低层 正常
支持格式 完善 仅xlsx 仅xlsx 完善
开源协议 Apache-2.0 LGPL MIT 不开源
收费类型 开源免费 开源免费 开源免费 试用/付费

评测说明

版本与数据

所有代码的版本号基于上文中提到的最新稳定版本：

NPOI EPPlus OpenXML Aspose.Cells
最新版本 2.4.1 4.5.3.2 2.9.1 19.8.0

数据全部基于我上篇文章使用的6万条/10列的数据，总共数据量19,166 KB。所有数据可以从这里下载：
https://github.com/sdcb/blog-data/tree/master/2019/20190821-generate-lorem-data

环境

项目 值
CPU E3-1230 v3 @ 3.30GHz
内存 24GB DDR3-1600 MHz (8GBx3)
操作系统 Windows 10 1903 64位
电源选项 已设置为高性能
软件 LINQPad 6.0.18
运行时 .NET Core 3.0-preview8-28405-07

注意，LINQPad设置了optimize+，代码都是优化后执行的；代码都指定了Util.NewProcess = true;，确保每次运行都会在新进程中运行，不会互相影响。

我的性能测试函数介绍

IEnumerable<object> Measure(Action action, int times = 5)
{
    return Enumerable.Range(1, times).Select(i =>
    {
        var sw = Stopwatch.StartNew();

        long memory1 = GC.GetTotalMemory(true);
        long allocate1 = GC.GetTotalAllocatedBytes(true);
        {
            action();
        }
        long allocate2 = GC.GetTotalAllocatedBytes(true);
        long memory2 = GC.GetTotalMemory(true);

        sw.Stop();
        return new
        {
            次数 = i, 
            分配内存 = (allocate2 - allocate1).ToString("N0"),
            内存提高 = (memory2 - memory1).ToString("N0"), 
            耗时 = sw.ElapsedMilliseconds,
        };
    });
}

除了时间，内存占用实际也是非常非常重要、但容易被人忽略的性能指标。大家都以为“内存不值钱”，但——

  • 一旦访问量大，内存就会瞬间上涨，导致频繁GC，导致性能下降；
  • 内存高也会导致服务器分页，这时性能就会急剧下降；
  • 吞吐量下降会导致队列排满，此时服务器就会报503等错误，客户就发现服务器“宕机了”。

（提示：除非你的客户真的愿意多花钱再升级一下服务器，否则不要提“内存不值钱”。）

在我的性能测试函数中，使用了如下两个函数来测试内存占用：

  • GC.GetTotalAllocatedBytes(true) 获取分配内存大小
  • GC.GetTotalMemory(true) 获取占用内存大小

占用内存可能会比分配内存小，因为存在垃圾回收（GC），但GC会影响性能。

通过调用Measure函数，可以测得传入的action的耗时和内存占用。默认会调用5次，可以从5次测试结果中取出能反映性能的值。

测试基准

string Export<T>(List<T> data, string path)
{
    PropertyInfo[] props = typeof(User).GetProperties();
    string noCache = null;
    for (var i = 0; i < props.Length; ++i)
    {
        noCache = props[i].Name;
    }
    for (var i = 0; i < data.Count; ++i)
    {
        for (var j = 0; j < props.Length; ++j)
        {
            noCache = props[j].GetValue(data[i]).ToString();
        }
    }
    return noCache;
}

注意：

  1. 我有意使用了反射，这符合我们导出Excel代码简单、易学、好用、好扩展的愿意；
  2. 我有意使用了泛型T，而不是实际类型，这也让这些代码容易扩展；
  3. 里面的noCache用来规避编译器优化删除代码的行为

测试结果：

次数 分配内存 内存提高 耗时
1 9,863,520 8,712 156
2 9,852,592 0 138
3 9,852,592 0 147
4 9,873,096 9,240 136
5 9,853,936 776 133

可见，基于反射操作6万/10列数据，每次需要分配约9MB内存，但这些内存都会被快速GC，最终内存提高较少。这些使用反射的代码运行耗时在130ms-150ms左右。

各个库的使用和性能表现​

NPOI

void Export<T>(List<T> data, string path)
{
    IWorkbook workbook = new XSSFWorkbook();
    ISheet sheet = workbook.CreateSheet("Sheet1");

    var headRow = sheet.CreateRow(0);
    PropertyInfo[] props = typeof(User).GetProperties();
    for (var i = 0; i < props.Length; ++i)
    {
        headRow.CreateCell(i).SetCellValue(props[i].Name);
    }
    for (var i = 0; i < data.Count; ++i)
    {
        var row = sheet.CreateRow(i + 1);
        for (var j = 0; j < props.Length; ++j)
        {
            row.CreateCell(j).SetCellValue(props[j].GetValue(data[i]).ToString());
        }
    }

    using var file = File.Create(path);
    workbook.Write(file);
}

注意：

  • 里面用到了XSSFWorkBook，其中XSSF这个前缀是从Java的POI库传过来的，全称是XML SpreadSheet Format。

    这种前缀在NPOI包中很常见。

  • XSSFWorkbook提供了bool Dispose()方法，但它未实现（因此千万别调用它）：

性能测试结果：

次数 分配内存 内存提高 耗时
1 1,598,586,416 537,048 6590
2 1,589,239,728 7,712 10155
3 1,589,232,056 -5,368 10309
4 1,589,237,064 7,144 10355
5 1,589,245,000 9,560 10594

分配内存稳定在1.48GB的样子，首次内存会提高524KB左右，后面趋于稳定。首次耗时6秒多，后面稳定在10秒多。

EPPlus

void Export<T>(List<T> data, string path)
{
    using var stream = File.Create(path);
    using var excel = new ExcelPackage(stream);
    ExcelWorksheet sheet = excel.Workbook.Worksheets.Add("Sheet1");
    PropertyInfo[] props = typeof(User).GetProperties();
    for (var i = 0; i < props.Length; ++i)
    {
        sheet.Cells[1, i + 1].Value = props[i].Name;
    }
    for (var i = 0; i < data.Count; ++i)
    {
        for (var j = 0; j < props.Length; ++j)
        {
            sheet.Cells[i + 2, j + 1].Value = props[j].GetValue(data[i]);
        }
    }
    excel.Save();
}

注意，不同于NPOI/Aspose.Cells，EPPlus的下标是基于1的（而不是0）。

次数 分配内存 内存提高 耗时
1 534,970,328 156,048 3248
2 533,610,232 14,896 2807
3 533,595,936 7,648 2853
4 533,590,776 4,408 2742
5 533,598,440 11,280 2759

分配内存约508MB，耗时首次稍长，约3.2秒，后面稳定在2.7-2.8秒。

OpenXML

void Export<T>(List<T> data, string path)
{
    using SpreadsheetDocument excel = SpreadsheetDocument.Create(path, SpreadsheetDocumentType.Workbook);

    WorkbookPart workbookPart = excel.AddWorkbookPart();
    workbookPart.Workbook = new Workbook();

    WorksheetPart worksheetPart = workbookPart.AddNewPart<WorksheetPart>();
    worksheetPart.Worksheet = new Worksheet(new SheetData());

    Sheets sheets = excel.WorkbookPart.Workbook.AppendChild<Sheets>(new Sheets());
    Sheet sheet = new Sheet
    {
        Id = excel.WorkbookPart.GetIdOfPart(worksheetPart),
        SheetId = 1,
        Name = "Sheet1"
    };
    sheets.Append(sheet);
    
    SheetData sheetData = worksheetPart.Worksheet.GetFirstChild<SheetData>();

    PropertyInfo[] props = typeof(User).GetProperties();
    {    // header
        var row = new Row() { RowIndex = 1 };
        sheetData.Append(row);
        row.Append(props.Select((prop, i) => new Cell
        {
            CellReference = ('A' + i - 1) + row.RowIndex.Value.ToString(),
            CellValue = new CellValue(props[i].Name),
            DataType = new EnumValue<CellValues>(CellValues.String),
        }));
    }
    sheetData.Append(data.Select((item, i) => 
    {
        var row = new Row { RowIndex = (uint)(i + 2) };
        row.Append(props.Select((prop, j) => new Cell
        {
            CellReference = ('A' + j - 1) + row.RowIndex.Value.ToString(),
            CellValue = new CellValue(props[j].GetValue(data[i]).ToString()),
            DataType = new EnumValue<CellValues>(CellValues.String),
        }));
        return row;
    }));
    excel.Save();
}

注意，因为OpenXML比较偏低层，东西比较复杂，所以我们慢慢说：

  • 对于一些对象，它需要创建相应的Part，如WorksheetPart；

  • Excel可以使用SharedStringTable来共享变量值，适合相同字符串非常多的场景。

    但此示例共享变量值收益很低，但会极大地增加代码复杂性（普通用户可能很难写出），因此本示例未使用SharedStringTable；

  • 它基于单元格位置标识，如B3（第三行第二列），因此索引方式比EPPlus/NPOI都要复杂；

  • 代码示例中使用('A' + i - 1)来计算位置标识，因此这个示例不能用于超过26列（字母数）的数据；

  • 代码使用LINQ（而不是循环）来枚举所有行/列，可以让代码更简洁（在已经非常复杂的代码情况下）

    经测试，将LINQ改成for循环对性能结果变化影响极其微小；

测试结果如下：

次数 分配内存 内存提高 耗时
1 556,937,896 145,832 4009
2 555,981,216 312 3783
3 555,985,936 2,760 3884
4 555,984,384 1,872 3869
5 555,989,120 3,880 3704

内存占用约530MB左右，第一次比后面多1MB的样子，耗时3.7-4.0秒之间。

Aspose.Cells

void Export<T>(List<T> data, string path)
{
    using var excel = new Workbook();
    Worksheet sheet = excel.Worksheets["Sheet1"];
    PropertyInfo[] props = typeof(User).GetProperties();
    for (var i = 0; i < props.Length; ++i)
    {
        sheet.Cells[0, i].Value = props[i].Name;
    }
    for (var i = 0; i < data.Count; ++i)
    {
        for (var j = 0; j < props.Length; ++j)
        {
            sheet.Cells[i + 1, j].Value = props[j].GetValue(data[i]);
        }
    }
    excel.Save(path);
}

注意，Aspose.Cells像Excel软件一样，提供了Sheet1/Sheet2/Sheet3三个默认的工作表，因此取这三个工作表时，不要创建，而是取出来。

性能测试结果如下：

次数 分配内存 内存提高 耗时
1 404,004,944 3,619,520 3316
2 357,931,648 6,048 2078
3 357,934,744 7,216 2007
4 357,933,376 6,280 2017
5 357,933,360 6,424 2007

Aspose.Cells首次占用内存385MB，用于3.3秒，后面每次降低为内存341MB，用时2.0秒。

总结

四种导出Excel库的横向评测数据如下，数据取5次数值的内存消耗中位数，百分比以EPPlus的测试数据为100%基准：

分配内存 内存占比 耗时 耗时占比
基线(仅反射) 9,853,936 1.85% 133 4.82%
NPOI 1,589,237,064 297.83% 10355 375.32%
EPPlus 533,598,440 100% 2759 100%
OpenXML 555,985,936 104.19% 3884 140.78%
Aspose.Cells 357,933,360 67% 2007 72.74%

可以得出以下结论：

  1. Demo基于反射，但反射总损耗的性能不高，内存、耗时均不超过5%；
  2. NPOI的性能表现是所有项目中最差的，每次需要分配1.5GB的内存和超过10秒的耗时；
  3. EPPlus表现不错，内存和耗时在开源组中表现最佳；
  4. 收费的Aspose.Cells表现最佳，内存占用最低，用时也最短；
  5. 较为底层的OpenXML表现非常一般，比EPPlus要差，更不能与收费的Aspose相提并论；

我的感想

在真的愿意尝试一下之前，人们很容易相信自己的直觉。底层库，通常能带来更大的可扩展性，能做出上层库很难做的事来。底层库有时性能会更快，就像更底层的C/C++比上层的JavaScript更快一样。但事情也不都如此，如

  • 更高层的React.js能在性能上将较底层的DOM操作比下去
  • 数据库基于集合的操作也比基于游标的操作要快得多

在导出Excel这个例子中，我了解到Excel的xlsx格式是非常复杂的、多个xml的集合。如果基于xml做抽象——也是很正常的做法，拼出6万/10列的数据，需要至少60万个xml标签做拼接，很显然这需要分配/浪费大量内存，因此性能上不来。

我基于以下几点无责任猜测：Aspose内部可能没xml做抽象，而是纯数据做抽象（就像React.js那样），然后再统一写入到Excel文件。因此性能可以达到其它库达不到的目标：

  1. Aspose.Cells对xml等实现相关技术只字未提（可能因为要支持多种文件格式）；
  2. Aspose.Cells是先在内存中创建，再写入文件/流（NPOI也是）；
  3. Aspose.Cells创建Excel时要求客户直接使用Workbook类（NPOI也是）；
  4. Aspose.Cells完全隐藏了Excel的位置（如B3）信息，下标从0开始（NPOI也是）

比较这几点，NPOI也与Aspose.Cells有几分相似，但导出不到6MB的Excel它内存分配居然高达1.5GB，是后者的444%！毕竟迭代更新了这么多年了，代码质量我相信应该没问题。因此我再次无责任推测：这可能因为它是从Java那边移植过来的。

我的选择/推荐

在我做这个性能评测前，我一直使用的是EPPlus，因为我不喜欢NPOI有第三方依赖，也不喜欢NPOI那些“XSSF”之类的前缀命名，也显然不会去费心思写那么多费力不讨好的OpenXML代码。

更别提这次评测发现EPPlus的性能确实不错，唯一的缺点就是它单元格下标从1开始的设计。即便如此，我还是首选推荐EPPlus。

近期也经常使用Aspose.Cells这种商业库，它的功能强大，API清晰好用，这个评测也证明它的性能卓越。除了高昂的价格，没别的缺点了。乃有钱客户/老板的不二之选！

请关注我的微信公众号：【DotNet骚操作】，
DotNet骚操作

posted @ 2019-08-26 08:55  .NET骚操作  阅读(27753)  评论(58)  编辑  收藏  举报