Excel百万数据如何快速导入？

前言

今天要讨论一个让无数人抓狂的话题：如何高效导入百万级Excel数据。

去年有家公司找到我，他们的电商系统遇到一个致命问题：每天需要导入20万条商品数据，但一执行就卡死，最长耗时超过3小时。

更魔幻的是，重启服务器后前功尽弃。

经过半天的源码分析，我们发现了下面这些触目惊心的代码...

1 为什么传统导入方案会崩盘？

很多小伙伴在实现Excel导入时，往往直接写出这样的代码：

// 错误示例：逐行读取+逐条插入

public void importExcel(File file) {

    List<Product> list = ExcelUtils.readAll(file); // 一次加载到内存

    for (Product product : list) {

        productMapper.insert(product); // 逐行插入

    }

}

这种写法会引发三大致命问题：

1.1 内存熔断：堆区OOM惨案

问题：POI的UserModel（如XSSFWorkbook）一次性加载整个Excel到内存
实验：一个50MB的Excel（约20万行）直接耗尽默认的1GB堆内存
症状：频繁Full GC ➔ CPU飙升 ➔ 服务无响应

1.2 同步阻塞：用户等到崩溃

过程：用户上传文件 → 同步等待所有数据处理完毕 → 返回结果
风险：连接超时（HTTP默认30秒断开）→ 任务丢失

1.3 效率黑洞：逐条操作事务

实测数据：MySQL单线程逐条插入≈200条/秒 → 处理20万行≈16分钟
幕后黑手：每次insert都涉及事务提交、索引维护、日志写入

2 性能优化四板斧

第一招：流式解析

使用POI的SAX模式替代DOM模式：

// 正确写法：分段读取（以HSSF为例）

OPCPackage pkg = OPCPackage.open(file);

XSSFReader reader = new XSSFReader(pkg);

SheetIterator sheets = (SheetIterator) reader.getSheetsData();

while (sheets.hasNext()) {

    try (InputStream stream = sheets.next()) {

        Sheet sheet = new XSSFSheet(); // 流式解析

        RowHandler rowHandler = new RowHandler();

        sheet.onRow(row -> rowHandler.process(row));

        sheet.process(stream); // 不加载全量数据

    }

}

️ 避坑指南：

不同Excel版本需适配（HSSF/XSSF/SXSSF）
避免在解析过程中创建大量对象，需复用数据容器

第二招：分页批量插入

基于MyBatis的批量插入+连接池优化：

// 分页批量插入（每1000条提交一次）

public void batchInsert(List<Product> list) {

    SqlSession sqlSession = sqlSessionFactory.openSession(ExecutorType.BATCH);

    ProductMapper mapper = sqlSession.getMapper(ProductMapper.class);

    int pageSize = 1000;

    for (int i = 0; i < list.size(); i += pageSize) {

        List<Product> subList = list.subList(i, Math.min(i + pageSize, list.size()));

        mapper.batchInsert(subList);

        sqlSession.commit();

        sqlSession.clearCache(); // 清理缓存

    }

}

关键参数调优：

# MyBatis配置

mybatis.executor.batch.size=1000

# 连接池（Druid）

spring.datasource.druid.maxActive=50

spring.datasource.druid.initialSize=10

第三招：异步化处理

架构设计：

前端上传：客户端使用WebUploader等分片上传工具
服务端：
- 生成唯一任务ID
- 写入任务队列（Redis Stream/RabbitMQ）
异步线程池：
- 多线程消费队列
- 处理进度存储在Redis中
结果通知：通过WebSocket或邮件推送完成状态

第四招：并行导入

对于千万级数据，可采用分治策略：

阶段	操作	耗时对比
单线程	逐条读取+逐条插入	基准值100%
批处理	分页读取+批量插入	时间降至5%
多线程分片	按Sheet分片，并行处理	时间降至1%
分布式分片	多节点协同处理（如Spring Batch集群）	时间降至0.5%

3 代码之外的关键经验

3.1 数据校验必须前置

典型代码缺陷：

// 错误：边插入边校验，可能污染数据库

public void validateAndInsert(Product product) {

    if (product.getPrice() < 0) {

        throw new Exception("价格不能为负");

    }

    productMapper.insert(product);

}

正确实践：

在流式解析阶段完成基础校验（格式、必填项）
入库前做业务校验（数据关联性、唯一性）

3.2 断点续传设计

解决方案：

记录每个分片的处理状态
失败时根据偏移量（offset）恢复

3.3 日志与监控

配置要点：

// Spring Boot配置Prometheus指标

@Bean

public MeterRegistryCustomizer<PrometheusMeterRegistry> metrics() {

    return registry -> registry.config().meterFilter(

        new MeterFilter() {

            @Override

            public DistributionStatisticConfig configure(Meter.Id id, DistributionStatisticConfig config) {

                return DistributionStatisticConfig.builder()

                    .percentiles(0.5, 0.95) // 统计中位数和95分位

                    .build().merge(config);

            }

        }

    );

}

四、百万级导入性能实测对比

测试环境：

服务器：4核8G，MySQL 8.0
数据量：100万行x15列（约200MB Excel）

方案	内存峰值	耗时	吞吐量
传统逐条插入	2.5GB	96分钟	173条/秒
分页读取+批量插入	500MB	7分钟	2381条/秒
多线程分片+异步批量	800MB	86秒	11627条/秒
分布式分片（3节点）	300MB/节点	29秒	34482条/秒

总结

Excel高性能导入的11条军规：

决不允许全量加载数据到内存 → 使用SAX流式解析
避免逐行操作数据库 → 批量插入加持
永远不要让用户等待 → 异步处理+进度查询
横向扩展比纵向优化更有效 → 分片+分布式计算
内存管理是生死线 → 对象池+避免临时大对象
合理配置连接池参数 → 杜绝瓶颈在数据源
前置校验绝不动摇 → 脏数据必须拦截在入口
监控务必完善 → 掌握全链路指标
设计必须支持容灾 → 断点续传+幂等处理
抛弃单机思维 → 拥抱分布式系统设计
测试要覆盖极端场景 → 百万数据压测不可少

如果你正在为Excel导入性能苦恼，希望这篇文章能为你的系统打开一扇新的大门。

如果你有其他想了解的技术难题，欢迎在评论区留言！

最后说一句(求关注，别白嫖我)

如果这篇文章对您有所帮助，或者有所启发的话，帮忙关注一下我的同名公众号：苏三说技术，您的支持是我坚持写作最大的动力。

求一键三连：点赞、转发、在看。

关注公众号：【苏三说技术】，在公众号中回复：进大厂，可以免费获取我最近整理的10万字的面试宝典，好多小伙伴靠这个宝典拿到了多家大厂的offer。