Java千萬(wàn)級(jí)別數(shù)據(jù)生成文件思路和優(yōu)化
一年前寫過(guò)一個(gè)百萬(wàn)級(jí)別數(shù)據(jù)庫(kù)數(shù)據(jù)生成配置xml文件的程序,程序目的是用來(lái)把數(shù)據(jù)庫(kù)里面的數(shù)據(jù)生成xml文件.程序可以配置多少文件生成到一個(gè)文件中去。
程序剛開(kāi)始設(shè)計(jì)的時(shí)候說(shuō)的是最多百萬(wàn)級(jí)別數(shù)據(jù)，最多50W數(shù)據(jù)生成到一個(gè)xml文件里面去,所以在做測(cè)試的時(shí)候自己也只是造了100W的數(shù)據(jù)并沒(méi)有做過(guò)多數(shù)據(jù)量的測(cè)試,然后問(wèn)題就來(lái)了....由于程序使用的局點(diǎn)數(shù)據(jù)量巨大，需要生成xml文件的客戶資料接近千萬(wàn)級(jí)別的程度,而現(xiàn)場(chǎng)對(duì)程序的配置大約是100W條數(shù)據(jù)生成一個(gè)xml文件里面去，程序在這樣的大數(shù)據(jù)量下面偶爾會(huì)有崩潰。
最近幾天現(xiàn)場(chǎng)催的比較緊，最近抽空把這個(gè)問(wèn)題處理了一下,在解決問(wèn)題的過(guò)程中我把解決的步驟和方法記錄了下來(lái)，正好和大家共享一下。
現(xiàn)場(chǎng)提的問(wèn)題概況：
數(shù)據(jù)量：生成xml，每個(gè)文件100W+ 條的數(shù)據(jù)
內(nèi)存控制：最好不要超過(guò)512M
問(wèn)題詳情：在處理70W左右的時(shí)候內(nèi)存溢出
一、先來(lái)看一下程序要生成的xml文件的結(jié)構(gòu)
- <File>
- <FileType>1</FileType>
- <RType>12</RType>
- <Version>03</Version>
- <BNo>004</BNo>
- <FileQ>5</FileQ>
- <FNo>0006</FNo>
- <RecordNum>1000000</RecordNum>
- <!-- 上面是文件頭 下面是百萬(wàn)個(gè)<RecordList> -->
- <RecordList>
- <Msisdn>10350719507</Msisdn>
- <State>1</State>
- <StartDate>20110303</StartDate>
- <Date>20110419</Date>
- <Balance>45000</Balance>
- </RecordList>
- ... <!-- 可能百萬(wàn)個(gè) <RecordList> 塊-->
- </File>
二、給大家說(shuō)一下如何把大數(shù)據(jù)生成xml文件
1、小數(shù)據(jù)量的情況下 < 1W條數(shù)據(jù)
比較好用的方法是使用開(kāi)源框架，比如XStream 直接把javabean 生成 xml
優(yōu)點(diǎn)：api操作簡(jiǎn)單，方便維護(hù)
缺點(diǎn)：數(shù)據(jù)量大的情況下太消耗內(nèi)存
2、大數(shù)據(jù)量生成一個(gè)xml文件(本程序采用的方法)
自己做的一個(gè)可以使用極少的內(nèi)存生成無(wú)限制大的xml文件框架由3部分生成xml文件
第一部分：生成文件頭
例如： xxx.toXML(Object obj, String fileName)
第二部分：通過(guò)每次向文件里面追加3000（可配置）條數(shù)據(jù)的形式生成文件塊
例如：xxx.appendXML(Object object); //object 可以是ArrayList 或者一個(gè)單獨(dú)的javaBean
第三部分：生成xml文件尾巴
例如：xxx.finishXML();
程序中的調(diào)用：調(diào)用xxx.toXML(Object obj, String fileName) 生成文件頭之后，可以循環(huán)從數(shù)據(jù)庫(kù)中讀取數(shù)據(jù)生成ArrayList，通過(guò)xxx.appendXML(Object object) 方法追加到xml文件里面,xxx.finishXML() 對(duì)文件進(jìn)行收尾
對(duì)框架說(shuō)明：我上面提供的例子有文件頭 + 文件塊 + 文件尾巴. 如果和你們的實(shí)際使用文件不太一致的話，可以參考上面提供的思路修改一下即可，主要的方法是把相同的文件塊部分分離出來(lái)通過(guò)追加的形式寫入xml文件.
有了思路之后，大家可以嘗試著自己寫一個(gè)類似的大數(shù)據(jù)處理框架(千萬(wàn)級(jí)別以上),如何有什么需要幫助的可以直接聯(lián)系我，因?yàn)槭枪镜某绦?，不太敢放出?lái)，怕......
三、我是如何測(cè)試性能和優(yōu)化的
1、手動(dòng)排除
根據(jù)文件崩潰時(shí)候的日志發(fā)現(xiàn)是在生成xml的框架里面報(bào)的錯(cuò)誤，第一想到的是框架有些資源沒(méi)有釋放.于是把自己做的文件生成框架整體的排查了一遍,并且自己寫個(gè)簡(jiǎn)單程序生成200萬(wàn)條數(shù)據(jù)，使用xml框架生成一個(gè)xml文件,整個(gè)生成過(guò)程中任務(wù)管理器(xp)查看程序?qū)?yīng)的java進(jìn)程使用的內(nèi)存基本在20M左右,因此排除框架的問(wèn)題.懷疑是數(shù)據(jù)庫(kù)查詢和調(diào)用框架的部門出現(xiàn)問(wèn)題.
檢測(cè)了一遍主程序的關(guān)鍵部分代碼,優(yōu)化了一下字符串處理.手動(dòng)的釋放一些對(duì)象的內(nèi)存(例如：調(diào)用ArrayList.clear()，或者把對(duì)象置空等)，分配512內(nèi)存后運(yùn)行程序,60萬(wàn)數(shù)據(jù)的時(shí)候內(nèi)存溢出，因?yàn)槟苤鲃?dòng)釋放的對(duì)象都已經(jīng)釋放掉了,還是沒(méi)有解決,果斷放棄看代碼,準(zhǔn)備使用JProfile進(jìn)行內(nèi)存檢測(cè).
2、手動(dòng)排除沒(méi)有解決，借助內(nèi)存分析工具JProfile進(jìn)行排除
通過(guò)在數(shù)據(jù)庫(kù)中生成300W條數(shù)據(jù)，在JProfile上面多跑程序，一邊運(yùn)行，一邊調(diào)用JProfile 提供的執(zhí)行GC按鈕主動(dòng)運(yùn)行垃圾回收，運(yùn)行50W數(shù)據(jù)后，通過(guò)檢測(cè)中發(fā)現(xiàn) java.long.String[] 和 oracle.jdbc.driver.Binder[] 兩個(gè)對(duì)象的數(shù)目一直保持在自增狀態(tài)，而且數(shù)目基本上差不多，對(duì)象數(shù)目 都在200W以上，由于java.long.String[]對(duì)象是需要依賴對(duì)象而存在的，因此斷定問(wèn)題就出在oracle.jdbc.driver.Binder[]上面，由于改對(duì)象存在引用導(dǎo)致String[]不能正?；厥?
3、通過(guò)在JProfile對(duì)象查看對(duì)象的管理
檢測(cè)到oracle.jdbc.driver.Binder 被 oracle.jdbc.driver.T4CPreparedStatement 引起,而T4CPreparedStatement正好是Oracle對(duì)jdbc OraclePreparedStatement的具體實(shí)現(xiàn),因此斷定是在數(shù)據(jù)庫(kù)處理方面出現(xiàn)的問(wèn)題導(dǎo)致oracle.jdbc.driver.Binder對(duì)象不能正常釋放，通過(guò)再一次有目的的檢測(cè)代碼，排查jdbc數(shù)據(jù)查詢的問(wèn)題,把問(wèn)題的矛頭直至數(shù)據(jù)庫(kù)的批處理和事務(wù)處理.因此程序是每生成一個(gè)文件成功后，會(huì)把已經(jīng)處理的數(shù)據(jù)轉(zhuǎn)移到對(duì)應(yīng)的歷史表中進(jìn)行備份,而再個(gè)表操作的過(guò)程中使用了批處理和事務(wù)，使用批處理主要是保證執(zhí)行速度，使用事務(wù)主要是保證同時(shí)成功和失敗。
4、又因此程序每次從數(shù)據(jù)庫(kù)中查詢3000條數(shù)據(jù)處理，所以準(zhǔn)備監(jiān)控oracle.jdbc.driver.Binder的對(duì)象數(shù)目是否和查詢次數(shù)對(duì)應(yīng).,通過(guò)在程序中Sysout輸出查詢次數(shù) + JProfile運(yùn)行GC測(cè)試 Binder，數(shù)據(jù)匹配，證實(shí)是java在數(shù)據(jù)庫(kù)批處理的過(guò)程中有些問(wèn)題.
5、專門把批處理代碼提取出來(lái)通過(guò)JProfile內(nèi)存分析.最終問(wèn)題定位完畢.
原因如下：100W數(shù)據(jù)生成一個(gè)文件的過(guò)程中，等文件生成完畢之后才能把數(shù)據(jù)庫(kù)中的數(shù)據(jù)備份到歷史表中，這個(gè)時(shí)候才能進(jìn)行事務(wù)的提交，也就是執(zhí)行commit()， 并且刪除原表數(shù)據(jù)，100W數(shù)據(jù)按照3000一批寫入文件，每批次只是通過(guò) PreparedStatement.addBatch();加入到批次里面去,并沒(méi)有執(zhí)行PreparedStatement.executeBatch(),而是在commit()之前統(tǒng)一調(diào)用的PreparedStatement.executeBatch()，這樣的話PreparedStatement就會(huì)緩存100W條數(shù)據(jù)信息，造成了內(nèi)存溢出.
錯(cuò)誤的方法如下：
- try{
- conn.setAutoCommit(false);
- pst = conn.prepareStatement(insertSql);
- pstDel = conn.prepareStatement(delSql);
- pstUpdate = conn.prepareStatement(sql);
- ...
- //totalSize = 100W數(shù)據(jù) / 3000一批次
- for (int i = 1; i <= totalSize; i++) {
- client.appendXML(list);
- }
- // 錯(cuò)誤的使用方法
- client.finishXML();
- pst.executeBatch();
- pstDel.executeBatch();
- }
- ...
- finally {
- try {
- if (isError) {
- conn.rollback();
- }
- else
- conn.commit();
- ...
- }
- ...
- }
正確的方法如下
- try{
- conn.setAutoCommit(false);
- pst = conn.prepareStatement(insertSql);
- pstDel = conn.prepareStatement(delSql);
- pstUpdate = conn.prepareStatement(sql);
- ...
- //totalSize = 100W數(shù)據(jù) / 3000一批次
- for (int i = 1; i <= totalSize; i++) {
- list = 從數(shù)據(jù)庫(kù)中查詢3000條數(shù)據(jù)
- client.appendXML(list);
- pst.executeBatch();
- pstDel.executeBatch();
- }
- client.finishXML();
- }
- ...
- finally {
- try {
- if (isError) {
- conn.rollback();
- }
- else
- conn.commit();
- ...
- }
- ...
- }
如果碰到和我一樣的需要給大家一個(gè)提醒。
oracle在每次執(zhí)行executeBatch();進(jìn)行批處理的時(shí)候，當(dāng)前connection對(duì)應(yīng)的rownum會(huì)根據(jù)操作的結(jié)果發(fā)生變化。
在執(zhí)行pst.executeBatch(); 之后，當(dāng)前連接的 rownum 數(shù)就會(huì)發(fā)生變化. 因此凡是通過(guò)rownum查詢數(shù)據(jù)的程序都要小心這一點(diǎn)
下一篇將整理寫java大數(shù)據(jù)(千萬(wàn)級(jí)別以上的)處理，包括 ftp大數(shù)據(jù)處理、文件生成大數(shù)據(jù)處理、數(shù)據(jù)庫(kù)轉(zhuǎn)移大數(shù)據(jù)處理、文件讀取大數(shù)據(jù)處理等等。
原文鏈接：http://www.cnblogs.com/dyllove98/archive/2012/04/24/2468771.html
【編輯推薦】
