大量数据快速导出的解决方案-Kettle

1.开发背景
在web项目中,经常会需要查询数据导出excel,以前比较常见的就是用poi。使用poi的时候也有两种方式,一种就是直接将集合一次性导出为excel,还有一种是分批次追加的方式适合数据量较大的情况。poi支持xls和xlsx,使用2003版本的只支持6万多行以下的数据量,使用2007版本的支持百万行。但是呢,当数据量大了之后这种方式却非常耗内存和时间。
接触了etl之后就想着用kettle来做导数据,经过测试是完全可行的。几十万行,一百万行都能快速导出来,代码也非常简单。
 
2.kettle相关maven依赖如下
 1 <dependency>
 2     <groupId>org.apache.commons</groupId>
 3     <artifactId>commons-vfs2</artifactId>
 4     <version>2.0</version>
 5 </dependency>
 6 <dependency>
 7     <groupId>org.scannotation</groupId>
 8     <artifactId>scannotation</artifactId>
 9     <version>1.0.3</version>
10 </dependency>
11 <dependency>
12     <groupId>dom4j</groupId>
13     <artifactId>dom4j</artifactId>
14     <version>1.6.1</version>
15 </dependency>
16 <dependency>
17     <groupId>pentaho-kettle</groupId>
18     <artifactId>kettle-vfs</artifactId>
19     <version>5.2.0.0</version>
20     <classifier>pentaho</classifier>
21 </dependency>
22 <dependency>
23     <groupId>pentaho-kettle</groupId>
24     <artifactId>kettle-engine</artifactId>
25     <version>5.2.0.0</version>
26 </dependency>
27 <dependency>
28     <groupId>pentaho-kettle</groupId>
29     <artifactId>kettle-core</artifactId>
30     <version>5.2.0.0</version>
31 </dependency>
Maven依赖

仓库如果没有kettle的jar包,可以先现在下来再上传到maven仓库

 

3.ktr文件:如以下附件下载链接

 由于博客园不支持ktr路径的文件上传,所以我将它保存为xml文件,使用时将xml后缀去掉用ktr后缀就可以 了,该转换就是查询,导出为excel两个组件,如图所示:
查询数据导出为excel转换

这里用到一个输入和excel输出,里面配置的参数:

    查询语句: ${exec_select_sql}、

    文件名称:${filepath}、

    sheet名称:${sheetname}

 
4.调用ktr
 1 /** 
 2      * @功能描述: java调用Kettle导出的KTR,方法调用成功后,通过filepath参数获取文件<br><font color="red">该程序已经指定数据源</font>
 3      * @创建作者: ***
 4      * @创建日期: 2016年11月1日 下午7:50:57
 5      * @param exec_select_sql:可执行的SELECT语句(案例:SELECT username '名称',userName '员工名称',ID 'ID' FROM `User`;)
 6      * @param filepath:保存的文件名称,不含后缀,后缀统一xlsx(案例:C:\\test)
 7      * @param sheetname:文件中的sheet名称(默认:下载)
 8      * @return
 9      */
10     public static boolean exportXlsx(String exec_select_sql, String filepath, String sheetname) {
11         if(StringUtils.isEmpty(exec_select_sql)||StringUtils.isEmpty(filepath))
12             return false;
13         Trans trans = null;
14         if(StringUtils.isEmpty(sheetname)) sheetname = "下载";
15         String uuid = UUID.randomUUID().toString();
16         logger_info.info("KettleUtil@exportXlsx:"+uuid+" {exec_select_sql:"+exec_select_sql+",filepath:"+filepath+",sheetname:"+sheetname+"}");
17         try {
18             String root_path = getPathMethod();
19             // 初始化
20             String fName = root_path+"export_xlsx.ktr";
21             // 转换元对象
22             KettleEnvironment.init();// 初始化
23             EnvUtil.environmentInit();
24             TransMeta transMeta = new TransMeta(fName);
25             // 转换
26             trans = new Trans(transMeta);
27             // 执行转换
28             trans.setVariable("exec_select_sql", exec_select_sql);
29             trans.setVariable("filepath", filepath);
30             trans.setVariable("sheetname", sheetname);
31             trans.execute(null);
32             // 等待转换执行结束
33             trans.waitUntilFinished();
34             // 抛出异常
35             if (trans.getErrors() > 0) {
36                 logger_info.info("KettleUtil@exportXlsx:"+uuid+" 执行失败");
37             }else{
38                 logger_info.info("KettleUtil@exportXlsx:"+uuid+" 执行成功");
39             }
40             return true;
41         } catch (Exception e) {
42             logger_error.error("KettleUtil@exportXlsx:"+uuid, e);
43             return false;
44         }
45     }
46      
47     /** 
48      * @功能描述: 获取编译目录
49      * @创建作者: ***
50      * @创建日期: 2016年11月1日 下午7:59:13
51      * @return
52      */
53     private static String getPathMethod(){ 
54         URL url= KettleUtil.class.getClassLoader().getResource(""); 
55         String p = url.getPath(); 
56         try { 
57             p=URLDecoder.decode(p, "UTF-8");
58         } catch (UnsupportedEncodingException e) {
59             logger_error.error("KettleUtil@getPathMethod:", e);
60         } 
61         return p; 
62     }
java调用kettle转换

 

5.测试导出方法

web项目中的测试

@RequestMapping("/kettle")
public Object kettle(int rows, String sql) {
    String sqlLimit = sql + "LIMIT "+rows;
    String fullName = "/home/admin/DataPlatform/temp"+ "/kettle"+uuid;
    this.kettleExportExcel(sqlLimit, fullName, "kettle");
    return null;
}
也可以用main函数或junit测试
 
6.打印执行信息,也可以直接在程序里面加
@Component
@Aspect
public class ControllerAspect {
    private static Logger logger_info = Logger.getLogger("api-info");
    private static Logger logger_error = Logger.getLogger("api-error");
    /**
     * 切面
     */
    private final String POINT_CUT = "execution(* com.demo.controller.*.*(..))";
    @Pointcut(POINT_CUT)
    private void pointcut() {
    }
    @AfterThrowing(value = POINT_CUT, throwing = "e")
    public void afterThrowing(Throwable e) {
        logger_error.error("afterThrowing: " + e.getMessage(), e);
    }
    /**
     * @功能描述: 打印Controller方法的执行时间
     * @创建日期: 2016年11月2日 上午11:44:11
     * @param proceedingJoinPoint
     * @return
     * @throws Throwable
     */
    @Around(value = POINT_CUT)
    public Object around(ProceedingJoinPoint proceedingJoinPoint)
            throws Throwable {
        String className = proceedingJoinPoint.getTarget().getClass().getName();
        String methodName = proceedingJoinPoint.getSignature().getName();
        Long begin = System.currentTimeMillis();
        Long beginMemory = Runtime.getRuntime().totalMemory()-Runtime.getRuntime().freeMemory();
        StringBuilder log = new StringBuilder(className+"@"+methodName);
        Object result = null;
        try {
            result = proceedingJoinPoint.proceed();
        } catch (Exception e) {
            logger_error.error(log + e.getMessage(), e);
        }
        Long end = System.currentTimeMillis();
        Long endMemory = Runtime.getRuntime().totalMemory()-Runtime.getRuntime().freeMemory();
        log.append(" 执行时间: ").append(end - begin).append("ms");
        log.append(" 消耗内存: ").append(endMemory - beginMemory).append("Byte");
        logger_info.info(log);
        return result;
    }
}
View Code

7.执行结果

* 导出10w行记录 

        执行时间: 1133ms

        执行时间: 1082ms 

        执行时间: 1096ms


* 导出100w行记录  

            执行时间: 39784ms

            执行时间: 8566ms 

            执行时间: 8622ms 
* Excel 2007行数极限 1048575 执行时间: 9686ms 

第一次导数据要加载kettle组件运行稍慢,后面几次再导数据速度就飞快了,更多结果有兴趣的可以去试试。

 

仅供参考,不足之处还请见谅,欢迎指正!转载请标明出处。如有疑问,欢迎评论或者联系我邮箱1034570286@qq.com

 
posted @ 2016-11-07 15:09  正经人  阅读(...)  评论(...编辑  收藏