在做大数据量同步的时候,需要注意的内存使用问题,程序稍微控制不足,可能就会导致内存溢出等问题...在网上找了一些资料,发现大家都使用的如下方式:
1、先批量查询出所有数据,例子中是一万条一次
2、在查出数据后把每次的数据按一定的规则存入本地文件
3、读取文件数据时,可以采取单例模式,批量提交等方式操作数据库
代码如下:
Java代码
public boolean createUploadFileByAll() {
boolean flag = false;
int onerun = 10000; // 每次读取记录数
int lastrow = 0; // 每次读取后的最后一条记录
ResultSet rs = null;
Statement stat = null;
try {
String hql = "SELECT count(*) FROM T_jgdm";
int datanum = ((Long) this.getSession().createQuery(hql).uniqueResult()).intValue();
int runnum = datanum % onerun == 0 ? (datanum / onerun) : (datanum / onerun) + 1;
// 分批读取数据
conn = getConn();
stat = conn.createStatement(ResultSet.TYPE_SCROLL_SENSITIVE, ResultSet.CONCUR_UPDATABLE);
StringBuffer text = new StringBuffer();
text.append("机构代码(JGDM)-").append("机构名称(JGMC)-").append("首次办证日期(SCBZRQ)-");
text.append("外经委填表人(WJWTBR)-").append("可否公开(GK)-").append("发卡标志(FKBZ)-");
text.append("发卡数量(FKSL)-").append("打印标志(DYBZ)-").append("电邮地址(EMAIL)-");
text.append("网址(URL)-").append("最后修改日期(LASTDATE)-").append("操作标志(CZFLAG)-");
text.append("是否邮寄(YJFLAG)-").append("数据状态(SJZT)-").append("检验结果(JYJG)-");
text.append("分值(FZ)-").append("作废日期(ZFRQ)-").append("办证机构区划代码(BZJGDM)-");
text.append("变更日期(BGRQ)-").append("年检日期(NJRQ)-").append("年检期限(NJQX)-");
text.append("迁址日期(QZRQ)-").append("开户银行(KHYH)-").append("开户账号(KHZH)\r\n"); // 文件列注解 \r\n为换行符
for (int r = 0; r < runnum; r++) {
System.out.println("createUploadFileByAll--" + datanum + " 开始查询第" + (r + 1) + "批数据");
String sql = "SELECT *\n" +
" FROM (SELECT rownum rn, " + QUERY_FIELD + " FROM t_jgdm ORDER BY rownum ASC)\n" +
" WHERE rn > " + lastrow;
stat.setMaxRows(onerun);
stat.setFetchSize(1000); // 当调用rs.next时,ResultSet会一次性从服务器上取1000行数据回来,在下次rs.next时,它可以直接从内存中获取出数据而不需要网络交互,从而提高效率
rs = stat.executeQuery(sql);
// 生成文件
int i = 1;
while (rs.next()) {
String jgdm = rs.getString("JGDM");
String jgmc = rs.getString("JGMC");
String scbzrq = rs.getString("SCBZRQ");
String wjwtbr = rs.getString("WJWTBR");
String gk = rs.getString("GK");
String fkbz = rs.getString("FKBZ");
String fksl = rs.getString("FKSL");
String dybz = rs.getString("DYBZ");
String email = rs.getString("EMAIL");
String url = rs.getString("URL");
String lastdate = rs.getString("LASTDATE");
String czflag = rs.getString("CZFLAG");
String yjflag = rs.getString("YJFLAG");
String sjzt = rs.getString("SJZT");
String jyjg = rs.getString("JYJG");
String fz = rs.getString("FZ");
String zfrq = rs.getString("ZFRQ");
String bzjgdm = rs.getString("BZJGDM");
String bgrq = rs.getString("BGRQ");
String njrq = rs.getString("NJRQ");
String njqx = rs.getString("NJQX");
String qzrq = rs.getString("QZRQ");
String khyh = rs.getString("KHYH");
String khzh = rs.getString("KHZH");
text.append(StringUtil.isNotEmpty(jgdm) ? jgdm : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(jgmc) ? jgmc : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(scbzrq) ? scbzrq : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(wjwtbr) ? wjwtbr : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(gk) ? gk : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(fkbz) ? fkbz : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(fksl) ? fksl : "").append("^^^^");
text.append(StringUtil.isNotEmpty(dybz) ? dybz : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(email) ? email : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(url) ? url : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(lastdate) ? lastdate : "").append("^^^^");
text.append(StringUtil.isNotEmpty(czflag) ? czflag : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(yjflag) ? yjflag : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(sjzt) ? sjzt : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(jyjg) ? jyjg : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(fz) ? fz : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(zfrq) ? zfrq : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(bzjgdm) ? bzjgdm : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(bgrq) ? bgrq : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(njrq) ? njrq : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(njqx) ? njqx : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(qzrq) ? qzrq : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(khyh) ? khyh : " ").append("^^^^");
text.append(StringUtil.isNotEmpty(khzh) ? khzh : " ").append("^^^^\r\n");
if (i % 1000 == 0) {
// 创建文件,并追加内容
FileOperate fileOperate = FileOperate.getFileOperate();
fileOperate.createFileByAddTo(UPLOAD_TEMP_FILE_NAME_BY_ALL, text.toString());
text = new StringBuffer("");
}
i++;
}
// 向文件中追加不能被1000求余的内容
if (text.length() > 10) {
FileOperate fileOperate = FileOperate.getFileOperate();
fileOperate.createFileByAddTo(UPLOAD_TEMP_FILE_NAME_BY_ALL, text.toString());
}
lastrow += onerun;
}
rs.close();
stat.close();
conn.close();
flag = true;
} catch (Exception e) {
flag = false;
e.printStackTrace();
}
return flag;
}
文件操作方法如下:
Java代码
/**
* 新建文件(在原有文件内容上进行追加)
* 默认编码UTF-8
* @param filePathAndName
* @param fileContent
*/
public void createFileByAddTo(String filePathAndName, String fileContent) {
try {
File file = new File(filePathAndName);
BufferedWriter bw = null;
try {
bw = new BufferedWriter(new FileWriter(file, true)); // 参数true表示向文件中追加内容
bw.write(fileContent);
bw.close();
} catch (IOException e) {
e.printStackTrace();
}
} catch (Exception e) {
System.out.println("新建文件(在原有文件内容上进行追加)出错:");
e.printStackTrace();
}
}
分享到:
相关推荐
本项目“java快速导出几十万百万生成DBF文件数据后台”主要关注如何使用Java编程语言高效地处理大规模数据,将其导出为DBF文件格式。 首先,我们需要了解Java处理大量数据的基本策略。在Java中,处理大数据的关键...
总的来说,"Java Mybatis Maven多线程处理百万数据修改的小工具"项目展示了如何巧妙地结合Mybatis的灵活性和Java的多线程能力,来解决大数据量处理的难题。这种解决方案对于处理大数据场景的企业级应用具有很高的...
1. **数据分页**:根据数据库查询能力,设定合适的分页大小,如10000条或20000条,避免一次性取出过多数据。 2. **流式处理**:使用Java的BufferedWriter类进行流式写入,每批数据读取后立即写入文件,减少内存占用...
在Java开发中,处理大数据量的Excel导出是一项常见的任务,尤其当数据量达到数十万条时,单个Excel文件可能会遇到性能瓶颈或格式限制。本项目针对这一问题提出了一种解决方案,即分块生成多个Excel文件,然后将它们...
然而,当数据量达到千万级别时,传统的单线程、一次性加载到内存的方式可能导致内存溢出,严重影响系统的稳定性和性能。为了应对这种情况,我们需要采用优化策略来实现高效且不会内存溢出的大数据量CSV导出。 首先...
java快速插入千万级数据,亲测91秒插入1700万数据!!!
Java 读取串口数据是Java编程中一个重要的部分,特别是在物联网(IoT)设备通信、嵌入式系统以及工业自动化等领域。RXTX库是一个流行的开源Java库,用于实现与串行端口(COM口)和并行端口的交互。在本教程中,我们将...
本文将深入探讨如何使用Java编程语言实现从一个数据库中定时自动抽取数据并复制到另一个数据库,以达到数据库间的实时或近实时同步。 首先,我们需要了解基础概念。Java是一种广泛使用的面向对象的编程语言,具有...
传统的Apache POI库在处理大规模数据时可能会遇到栈溢出(StackOverflowError)和内存溢出(OutOfMemoryError)等问题,因为这些库将所有数据加载到内存中一次性处理。为了解决这些问题,我们可以采用分批导出和多...
### Java处理100万行超大Excel文件秒级响应 #### 一、问题背景与需求分析 在项目开发过程中,经常会遇到需要处理大量Excel数据的情况。这些数据可能包括成千上万条记录,每条记录又包含多个字段。传统的处理方式...
最近由于项目需要,在已有java web工程里添加读取opc的接口类。通过接口将opc数据读取到本地存于oracle数据库中,供本管理系统趋势分析用。本实例在win7、xp系统本地均已调通。压缩包里有本人写的每一步详细说明操作...
在IT行业中,数据库同步是一个关键话题,特别是在分布式系统和企业级应用中,多个数据库的同步是确保数据一致性、完整性和高可用性的重要手段。本文将深入探讨如何使用Java来实现多个数据库之间的数据同步。 首先,...
总的来说,三次样条插值是解决数据插值问题的强大工具,Java实现则使得这种技术更加易用和普及。无论是学术研究还是工程实践,理解和掌握三次样条插值都是对数据进行平滑处理和预测的重要技能。通过深入学习和实践,...
总之,Java结合Apache POI和JDBC提供了一套完整的解决方案,用于在Excel和MySQL数据库之间进行数据迁移。通过熟练掌握这些工具和技术,开发者能够高效地完成数据导入导出任务,提升工作效率。在实际项目中,还可以...
在java web系统应用中我们经常会用到大批量数据的导出,动辄就上几十万几百万的数据让我们的程序感觉压力很大,甚至都出现无法导出的情况,如内存溢出等。 java中使用poi导出Excel大批量数据到客户端 存在两个导出...
在IT领域,网络数据抓取是一项重要的技能,特别是在大数据分析、搜索引擎优化和市场研究中。本文将详细讨论如何使用Java语言来抓取网页数据,包括两种主要方法:直接抓取原网页内容和处理网页中的JavaScript返回数据...
### "could not create the java virtual machine" 解决办法 在开发过程中,我们经常会遇到 “could not create the java virtual machine” 这样的错误提示。这个问题通常出现在启动基于Java的应用程序时,比如...
Java版的数据结构,对于Java爱好者而言,是一个不错的选择
通过阅读源码,开发者可以学习如何使用Java进行数据查询(如SQL操作),如何处理大量数据,以及如何构建灵活的模板引擎来生成定制化的报表。 3. **Java报表库**:Java中有多个流行的报表库,如JasperReports、BIRT...
Java串口通信是一种常见的方式,用于设备间的数据交互,尤其在物联网(IoT)和嵌入式系统中广泛应用。在本项目中,我们探讨的是如何使用Java读取串口数据,并将这些数据实时地在网页上展示出来,实现动态控制。下面...