NPOI导出大量数据的避免OOM解决方案【SXSSFWorkbook】

一、NPOI的基本知识

碰到了导出大量数据的需求场景：从数据读取数据大约50W，然后再前端导出给用户，整个过程希望能较快的完成。如果不能较快完成，可以给与友好的提示。

大量数据的导出耗时的主要地方：

1、从数据库获取大量数据。如果一般百万级别左右的，走索引的查询，一般5秒左右可以把数据查出来。

2、把查出来的数据，通过NPOI组装成excel。这个过程一般耗时，且消耗资源，很容易出现OOM。

了解一下NPOI基本知识，因为NPOI是从JAVA的POI的.NET版本，所以可以看看POI的信息也是类的

1、基于事件模式的操作(eventmodel)

2、基于用户态模式的操作(usermodel)

3、基于SXSSF的操作(SXSSF)

看图中也可以知道，他们三者的优缺点：

综合来看： eventmodel和SXSSF，CPU和内存的利用效率都是good，usermodel比较差；从特性的支持上来看，usermodel一骑绝尘，其次是SXSSF。

从图中来看，eventmodel肯定是最复杂的，再过来SXSSF，usermodel最简单。

这篇文章主要看研究的是导出：我们主要看看usermodel和SXSSF，eventmodel不支持写，也就没有导出这一说法了。

二、基于usermodel的XSSFWorkbook进行导出

1、因为是大数量毫不疑问的只能选择XSSFWorkbook，导出xlsx格式（07版及以上）

这里有一个坑点就是： wb.Write(ms);写完之后会关闭，所以一般扩展一个自定义流来代替内存流来实现。

        public static byte[] Export<T>(List<T> list, string filename)
        {
            IWorkbook wb = new XSSFWorkbook();
            ISheet sheet = wb.CreateSheet(filename);
            SetColumnTitle<T>(sheet, list[0]);
            int index = 1;
            foreach (var model in list)
            {
                Type type = model.GetType();
                var properties = type.GetProperties();
                IRow row = sheet.CreateRow(index++);
                int j = 0;
                for (int i = 0; i < properties.Length; i++)
                {
                    var p = properties[i];
                    object[] objs = p.GetCustomAttributes(typeof(ExcelAttribute), true);
                    if (objs.Length > 0)
                    {
                        object obj = p.GetValue(model, null);
                        if (obj != null)
                        {
                            row.CreateCell(j).SetCellValue(obj.ToString());
                        }
                        else
                        {
                            row.CreateCell(j).SetCellValue("");
                        }
                        j++;
                    }
                }
            }
            byte[] buffer;
            using (NpoiMemoryStream ms = new NpoiMemoryStream())
            {
                ms.AllowClose = false;
                wb.Write(ms);
                ms.Flush();
                buffer = new byte[ms.Length];
                ms.Position = 0;
                ms.Read(buffer, 0, buffer.Length);
                ms.AllowClose = true;
            }
            wb.Close();

            //强制清空占用内存，因为NPOI占用的内存，不建议手动GC。
            //GcCollectHelper.ClearMemory();

            return buffer;
        }

并且导出完，占用的内存还一直没释放【这是和.NET 的GC机制有关，不是说使用完内存会马上释放，如果这样内存的利用率就100%了】。

用上面这种方法导出数据，很有可能导致OOM，因为在你点导出的时候，占用的内存和CPU都很高。

通过Windbg分析Dump得到下面：

1、通过!dumpheap -stat 查看clr的托管堆中的各个类型的占用情况。

发现有下面这些对象占用了很大的内存，逐个分析，看看是我们代码的锅，还是NPOI的锅

2、!DumpHeap /d -mt 00007fff4fff0140     //查看当前方法表               

3、!DumpObj /d 0000024587be7c40    //查看当前地址对应的内容

发现这些都不是我们自己的程序代码生成的。因为NPOI生成Excel的大概原理：通过把数据加上你所设置的Excel的workbook,行，列，以及样式等等生成一个Excel，一次性的把所有数据都加载到内存中。

Office Open XML（缩写：Open XML、OpenXML或OOXML），为由Microsoft开发的一种以XML为基础并以ZIP格式压缩的电子文件规范，支持文件、表格、备忘录、幻灯片等文件格式。

本来想基于这些对象，看看能否进行垃圾回收。

1、本来想用强制的垃圾回收，但是生产环境一般不敢这么用，因为GC啥时候进行回收，是有它自己的机制的，我们没必要去打乱。

2、那所以说不能强制垃圾回收，能不能加速垃圾回收呢，网上有很多方法说是把对象置位NULL就可以加速垃圾回收。貌似也没效果，具体原因还在分析中。

三、基于SXSSFWorkbook导出

他们提供了一个流式的SXSSFWorkbook版本，这种允许写入非常大的文件而不耗尽内存，因为在任何时候，只有可配置的行部分被保存在内存中，并且还可以自己定义导出的数据的模板。

用SXSSFWorkbook 就不要做太多的'Excel式'的操作，比如删除行，移动行等等，看最开始的那张图即可。

SXSSFWorkbook大致原理：借助临时存储空间生成Excel。

如下所示：这个1000的意思是：内存中只放1000行记录，如果超过1000行，就把数据写到磁盘中去（以临时文件的方式存储，不需要我们去管，这个SXSSFWorkbook导出），这样就避免内存溢出了。但是这样可能会让生成Excel的时间变长了，因为会涉及多次的IO操作。

IWorkbook wb = new SXSSFWorkbook(1000);

方法一、直接用SXSSFWorkbook(1000)  ---从数据库查询所有数据出来，放到内存后

测试结果：CPU和内存相比usermodel要好很多，时间稍微的优点延长。

方法二、使用带分页SXSSFWorkbook的方式----从数据库按分页查询数据，生成临时文件，刷盘，最后生成完整的Excel。

        public static byte[] ExportStreamAsPage<T>(string filename, int pageSize,Func<int,int,List<T>> action) where T : new()
        {
            IWorkbook wb = new SXSSFWorkbook(pageSize);
            ISheet sheet = wb.CreateSheet(filename);

            ItsmProvider itsmProvider = new ItsmProvider();

            //设置标题
            SetColumnTitle<T>(sheet, new T());

            var type = typeof(T);
            int pageIndex = 1;
            Boolean hasNext = true;

            //记录循环次数
            while (hasNext)
            {
                var datas = action.Invoke(pageIndex,pageSize);
                SetRowContent<T>(type, sheet, pageIndex, pageSize, datas);

                //不包含任何数据的时候，就退出
                if (!datas.Any())
                {
                    break;
                }
                //说明已经到了最后一页。
                if (datas.Count() < pageSize)
                {
                    hasNext = false;
                }
                pageIndex++;
            }
            byte[] buffer;
            using (NpoiMemoryStream ms = new NpoiMemoryStream())
            {
                ms.AllowClose = false;
                wb.Write(ms);
                ms.Flush();
                buffer = new byte[ms.Length];
                ms.Position = 0;
                ms.Read(buffer, 0, buffer.Length);
                ms.AllowClose = true;
            }
            wb.Close();
            return buffer;

        }

        public static void SetRowContent<T>(Type type, ISheet sheet, int pageIndex, int pageSize, List<T> list)
        {
            int start = (pageIndex - 1) * pageSize + 1;
            foreach (var model in list)
            {
                var properties = type.GetProperties();

                IRow row = sheet.CreateRow(start);
                int j = 0;
                for (int i = 0; i < properties.Length; i++)
                {
                    var p = properties[i];
                    object obj = p.GetValue(model, null);
                    if (obj != null)
                    {
                        row.CreateCell(i).SetCellValue(obj.ToString());
                    }
                }
                start++;
            }
        }

上面这个方法，更加的省内存，不过时间上确实慢了，用时间换空间的一种做法。

方法三、使用带分页SXSSFWorkbook的方式--多线程导出多sheet

本来的想法是想着，一个sheet开多个线程来绘制excel的，但是这样实现不了，因为Sheet不是线程安全的，我强行给他加锁变成线程安全，这样就失去了多线程意义了。我们的业务场景确实用多个sheet来输出大量数据也能接受，所以最后就采用了这种方案。

   public static byte[] ExportStreamByMultiSheet<T>(string filename,int recordCount, int pageSize, Func<int, int, List<T>> action) where T : new()
        {
            IWorkbook wb = new SXSSFWorkbook(pageSize);
            var type = typeof(T);

            //开启多线程(开启固定线程)方法
            var excelTasks=new List<Task>();
            int fixThreadCount = 10;  //开启10个固定数量
            for(int i=1;i< (recordCount / pageSize)+1; i++)
            {
                ISheet sheet = wb.CreateSheet(filename+i);
                SetColumnTitle<T>(sheet, new T());
                excelTasks.Add(
                    Task.Factory.StartNew(()=>
                         SetExcel(pageSize, action, sheet, type, i)
                    )
                );
                if (excelTasks.Count >= fixThreadCount)
                {
                    Task.WaitAny(excelTasks.ToArray()); //等待任何一个完成
                    excelTasks = excelTasks.Where(d => d.Status != TaskStatus.RanToCompletion).ToList();
                }
            }
            Task.WaitAll(excelTasks.ToArray());
            byte[] buffer;
            using (NpoiMemoryStream ms = new NpoiMemoryStream())
            {
                ms.AllowClose = false;
                wb.Write(ms);
                ms.Flush();
                buffer = new byte[ms.Length];
                ms.Position = 0;
                ms.Read(buffer, 0, buffer.Length);
                ms.AllowClose = true;
            }
            wb.Close();
            return buffer;

        } 

四、总结

大数据量导出防止OOM方法就是：SXSSFWorkbook，最理想的还是把这种大量数据导出做成独立的服务，部署到单独的机器上进行导出。

五、测试程序

1、用最新版的.NET 6

2、github地址: https://github.com/gdoujkzz/ExcelWebDemo.git

3、主要用到技术点：

前端：

在wwwroot文件夹下，用vscode打开，安装是Live-server插件，即可鼠标右键 Open With Live-Server；

技术点:Vue+ElementUI+Axios;

后端:

在.NET 6跑，因为没有solution文件，大家VS添加现有项目即可跑起来。

技术点：用委托封装了导出分页操作，分页的具体操作由前端传过来。多线程：开启固定现场数量，进行导出。

Nuget包:Sqlsugar,NPOI,以及Mysql.Data

数据库：

内附Mysql版本的数据文件，大家造点数据即可。

其他：

windbg的基本使用【从一线码农大佬那偷师，谢谢大佬的分享】