Super CSV 线程池高并发处理大批量数据

司徒钱青

2023-12-01

Super CSV是一个用于处理CSV文件的Java开源项目。它完全围绕面向对象的思想进行设计，因此可以利用你的面向对象代码来使得处理CSV文件变得更加简易。它支持输入/输出类型转换、数据完整性校验，支持从任何地方以任何编码读写数据，只要提供相应的Reader与Writer对象。可配置分割符，空格符号和行结束符等。

一、下面先来看简单数据处理
引入依赖包：

<dependency>
<groupId>net.sf.supercsv</groupId>
<artifactId>super-csv</artifactId>
<version>2.4.0</version>
</dependency>

下面来看一下官方文档中的代码示例。

根据头来读取CSV文件
把文件中的每行记录读取出来转化为java对象，假设你有一个UserBean类，代码如下：

import java.util.Date;

public class UserBean {
int id;
Date date;
String username, password, town;
int zip;

public Date getDate() {return date;}
public void setDate(Date date) {this.date = date;}
public int getId() { return id;}
public String getPassword() { return password; }
public String getTown() { return town; }
public String getUsername() { return username; }
public int getZip() { return zip; }
public void setId(int id) { this.id = id; }
public void setPassword(String password) { this.password = password; }
public void setTown(String town) { this.town = town; }
public void setUsername(String username) { this.username = username; }
public void setZip(int zip) { this.zip = zip; }
}

并且有一个CSV文件，包含一个文件头，假设文件内容如下：
id,username,password,date,zip,town
1,Klaus,qwexyKiks,17/1/2007,1111,New York
2,Oufud,bobilop213,10/10/2007,4555,New York
3,Oufud1,bobilop213,10/10/2007,4555,New York
4,Oufud2,bobilop213,10/10/2007,4555,New York
5,Oufud3,bobilop213,10/10/2007,4555,New York
6,Oufud4,bobilop213,10/10/2007,4555,New York
7,Oufud5,bobilop213,10/10/2007,4555,New York
8,Oufud6,bobilop213,10/10/2007,4555,New York
9,Oufud7,bobilop213,10/10/2007,4555,New York
10,Oufud8,bobilop213,10/10/2007,4555,New York
11,Oufud9,bobilop213,10/10/2007,4555,New York
12,Oufud10,bobilop213,10/10/2007,4555,New York
13,Oufud11,bobilop213,10/10/2007,4555,New York
14,Oufud12,bobilop213,10/10/2007,4555,New York
15,Oufud13,bobilop213,10/10/2007,4555,New York

然后你可以使用一下代码来创建UserBean的实例对象，并打印出对象的属性值：

class ReadingObjects {
public static void main(String[] args) throws Exception{
ICsvBeanReader inFile = new CsvBeanReader(new FileReader("foo.csv"), CsvPreference.STANDARD_PREFERENCE);
try {
final String[] header = inFile.getCSVHeader(true);
UserBean user;
while( (user = inFile.read(UserBean.class, header, processors)) != null) {
System.out.println(user.getZip());
}
} finally {
inFile.close();
}
}
}

我们还剩下processors没有定义，通过名字我们可以看出是解析器，用来处理每列的数据，当然你也可以传入null，表示该列不做特殊处理，每个解析器可以被另外一个包含在内部，new Unique(new StrMinMax(5，20))，这个代码该列的值为唯一的，并且长度为8到20，具体处理细节我们先不讲，来看一下我们所需要的processors是如何定义的：

final CellProcessor[] processors = new CellProcessor[] {
new Unique(new ParseInt()),
new Unique(new StrMinMax(5, 20)),
new StrMinMax(8, 35),
new ParseDate("dd/MM/yyyy"),
new Optional(new ParseInt()),
null
};

上面的代码的具体意思为：
第一列是一个字符串，并且值是唯一的，长度为5到20
第二列是一个字符串，长度是8到35
第三列为一个日期类型，格式为天/月/年（day/month/year）
第四列是一个整型数字，但只有这列有值的时候ParseInt处理器才会去处理这个值（其实就是该列可以为空）
第五列为一个字符串（默认），不使用处理器

如果你的CSV文件没有头，你也可以定义个数组来替代：

final String[] header = new String[] { "id",”"username", "password", "date", "zip", "town"};

如果你想忽略某一列，和定义处理器类似，直接在头数组中使用null。

全部代码如下：

import Java.io.FileReader;
import Java.io.IOException;
import org.supercsv.cellprocessor.Optional;
import org.supercsv.cellprocessor.ParseDate;
import org.supercsv.cellprocessor.ParseInt;
import org.supercsv.cellprocessor.constraint.StrMinMax;
import org.supercsv.cellprocessor.constraint.Unique;
import org.supercsv.cellprocessor.ift.CellProcessor;
import org.supercsv.io.CsvBeanReader;
import org.supercsv.io.ICsvBeanReader;
import org.supercsv.prefs.CsvPreference;

class ReadingObjects {

static final CellProcessor[] userProcessors = new CellProcessor[] {
new Unique(new ParseInt()),
new Unique(new StrMinMax(5, 20)),
new StrMinMax(8, 35),
new ParseDate("dd/MM/yyyy"),
new Optional(new ParseInt()),
null
};

public static void main(String[] args) throws Exception {
ICsvBeanReader inFile = new CsvBeanReader(new FileReader("D:\\foo.csv"), CsvPreference.STANDARD_PREFERENCE);
try {
final String[] header = inFile.getHeader(true);
UserBean user;
while( (user = inFile.read(UserBean.class, header, userProcessors)) != null) {
System.out.println(user.getZip());
}
} finally {
inFile.close();
}
}
}

public class UserBean {
String username, password, town;
Date date;
int zip;

public Date getDate() {
return date;
}

public String getPassword() {
return password;
}

public String getTown() {
return town;
}

public String getUsername() {
return username;
}

public int getZip() {
return zip;
}

public void setDate(final Date date) {
this.date = date;
}

public void setPassword(final String password) {
this.password = password;
}

public void setTown(final String town) {
this.town = town;
}

public void setUsername(final String username) {
this.username = username;
}

public void setZip(final int zip) {
this.zip = zip;
}

}

如果你在读取文件之前根本不知道文件的具体格式，你可以选择CsvListReader.read()方法，把每行读出出来的数据放在一个List里面。

读取文件的代码我们看到了，下面来看一下写的操作，也很简单。

import Java.util.HashMap;
import org.supercsv.io.*;
import org.supercsv.prefs.CsvPreference;

class WritingMaps {
main(String[] args) throws Exception {
ICsvMapWriter writer = new CsvMapWriter(new FileWriter(...), CsvPreference.STANDARD_PREFERENCE);
try {
final String[] header = new String[] { "name", "city", "zip" };
// set up some data to write
final HashMap<String, ? super Object> data1 = new HashMap<String, Object>();
data1.put(header[0], "Karl");
data1.put(header[1], "Tent city");
data1.put(header[2], 5565);
final HashMap<String, ? super Object> data2 = new HashMap<String, Object>();
data2.put(header[0], "Banjo");
data2.put(header[1], "River side");
data2.put(header[2], 5551);
// the actual writing
writer.writeHeader(header);
writer.write(data1, header);
writer.write(data2, header);
} finally {
writer.close();
}
}
}

利用MapReader方式解析的代码：
csv文件:

ustomerNo,firstName,lastName,birthDate,mailingAddress,married,numberOfKids,favouriteQuote,email,loyaltyPoints
1,John,Dunbar,13/06/1945,"1600 Amphitheatre Parkway Mountain View, CA 94043 United States",,,"""May the Force be with you."" - Star Wars",jdunbar@gmail.com,0
2,Bob,Down,25/02/1919,"1601 Willow Rd. Menlo Park, CA 94025 United States",Y,0,"""Frankly, my dear, I don't give a damn."" - Gone With The Wind",bobdown@hotmail.com,123456
3,Alice,Wunderland,08/08/1985,"One Microsoft Way Redmond, WA 98052-6399 United States",Y,0,"""Play it, Sam. Play ""As Time Goes By."""" - Casablanca",throughthelookingglass@yahoo.com,2255887799
4,Bill,Jobs,10/07/1973,"2701 San Tomas Expressway Santa Clara, CA 95050 United States",Y,3,"""You've got to ask yourself one question: ""Do I feel lucky?"" Well, do ya, punk?"" - Dirty Harry",billy34@hotmail.com,36

示例代码：

import org.supercsv.cellprocessor.Optional;
import org.supercsv.cellprocessor.ParseBool;
import org.supercsv.cellprocessor.ParseDate;
import org.supercsv.cellprocessor.ParseInt;
import org.supercsv.cellprocessor.constraint.LMinMax;
import org.supercsv.cellprocessor.constraint.NotNull;
import org.supercsv.cellprocessor.constraint.StrRegEx;
import org.supercsv.cellprocessor.constraint.UniqueHashCode;
import org.supercsv.cellprocessor.ift.CellProcessor;
import org.supercsv.io.CsvMapReader;
import org.supercsv.io.ICsvMapReader;
import org.supercsv.prefs.CsvPreference;

import java.io.FileReader;
import java.util.Map;

public class ReadingObjects {
public static void main(String[] args) throws Exception{

ICsvMapReader mapReader = null;
try {
mapReader = new CsvMapReader(new FileReader("D:\\foo.csv"), CsvPreference.STANDARD_PREFERENCE);

// the header columns are used as the keys to the Map
final String[] header = mapReader.getHeader(true);
final CellProcessor[] processors = getProcessors();

Map<String,Object> customerMap;
while( (customerMap = mapReader.read(header, processors)) != null ) {
System.out.println(String.format("lineNo=%s, rowNo=%s, customerMap=%s", mapReader.getLineNumber(),
mapReader.getRowNumber(), customerMap));
}

}
finally {
if( mapReader != null ) {
mapReader.close();
}
}
}

private static CellProcessor[] getProcessors() {

final String emailRegex = "[a-z0-9._] @[a-z0-9.] "; // just an example, not very robust!
StrRegEx.registerMessage(emailRegex, "must be a valid email address");

final CellProcessor[] processors = new CellProcessor[] {
new UniqueHashCode(), // customerNo (must be unique)
new NotNull(), // firstName
new NotNull(), // lastName
new ParseDate("dd/MM/yyyy"), // birthDate
new NotNull(), // mailingAddress
new Optional(new ParseBool()), // married
new Optional(new ParseInt()), // numberOfKids
new NotNull(), // favouriteQuote
new StrRegEx(emailRegex), // email
new LMinMax(0L, LMinMax.MAX_LONG) // loyaltyPoints
};

return processors;}
}

二、并发分批处理大数据量的数据更新
代码如下

import org.supercsv.cellprocessor.Optional;
import org.supercsv.cellprocessor.ParseDate;
import org.supercsv.cellprocessor.ParseInt;
import org.supercsv.cellprocessor.constraint.StrMinMax;
import org.supercsv.cellprocessor.constraint.Unique;
import org.supercsv.cellprocessor.ift.CellProcessor;
import org.supercsv.io.CsvBeanReader;
import org.supercsv.io.ICsvBeanReader;
import org.supercsv.prefs.CsvPreference;

import java.io.FileReader;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.Callable;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.Future;

class ThreadReadingObjects {

static final CellProcessor[] userProcessors = new CellProcessor[] {
new Unique(new ParseInt()),//唯一的，int id
new Unique(new StrMinMax(5, 20)),//唯一的，长度为5到20
new StrMinMax(8, 35), //长度是8到35
new ParseDate("dd/MM/yyyy"), //格式为天/月/年（day/month/year）
new Optional(new ParseInt()), //整型数字，但只有这列有值的时候ParseInt处理器才会去处理这个值（其实就是该列可以为空）
null //不使用处理器
};

public static void main(String[] args) throws Exception {
// InputStreamReader freader = new InputStreamReader(inputStream,"UTF-8");
// ICsvBeanReader inFile = new CsvBeanReader(freader, CsvPreference.STANDARD_PREFERENCE);

ICsvBeanReader inFile = new CsvBeanReader(new FileReader("D:\\foo.csv"), CsvPreference.STANDARD_PREFERENCE);

ExecutorService executorService = null;
try {
//如果你的CSV文件没有头，你也可以定义个数组来替代：
// final String[] header = new String[] { "id","username", "password", "date", "zip", "town"};
final String[] header = inFile.getHeader(true);

//创建线程池
//注意：线程数不宜过多,jdbc操作时会占用连接数,过多会超出数据库连接
List<Future<String>> futureList = new ArrayList<Future<String>>();
executorService = Executors.newFixedThreadPool(5);

//分页读取数据后,加入线程池处理
while (getPageUserList(executorService,futureList,inFile, header)) {}

//获取线程处理结果
for (Future<String> future : futureList) {
while (true) {
if (future.isDone() && !future.isCancelled()) {
System.out.println("future result: "+future.get());
break;
} else {
Thread.sleep(1000);
}
}
}

} finally {
inFile.close();
executorService.shutdown();
}
}

private static boolean getPageUserList(ExecutorService executorService, List<Future<String>> futureList, ICsvBeanReader inFile, String[] header) throws IOException {
int index = 0;
boolean status = false;
List<UserBean> userBeans = new ArrayList<UserBean>();
UserBean user;
while ((user = inFile.read(UserBean.class, header, userProcessors)) != null) {// 这里从第一行开始取数据
userBeans.add(user);
index++;
//每次读取的行数，每个线程处理的记录数,根据实际情况修改
if (index == 10) {
status = true;
break;
}
}
//添加到线程集合
if(!userBeans.isEmpty()){
Future<String> future = executorService.submit(getUpdateDbJob(futureList.size(),userBeans));
futureList.add(future);
}

return status;
}

private static Callable<String> getUpdateDbJob(int threadNo,List<UserBean> userBeans) {
return new Callable<String>() {
@Override
public String call() throws Exception {
int count = userBeans.size();
//第一种：数组List函数分批量处理方法
batchPageInsertDataOne(threadNo,userBeans);

//第二种：取% 分批处理方法
// batchPageInsertDataTwo(threadNo,userBeans);

return String.valueOf(count);
}
};
}

private static void batchPageInsertDataOne(int threadNo,List<UserBean> userBeans){
int perCount = 4, index = 0;
int times = userBeans.size() / perCount;
long stime=System.currentTimeMillis();

try {
do {
// 休眠50ms
Thread.sleep(50);

List<UserBean> listTemp= null;

if (userBeans.size() >= perCount) {
listTemp = userBeans.subList(0, perCount);// listTemp是分段处理逻辑的参数
System.out.println("线程"+threadNo+"更新用户："+listTemp.size()+" 个");
}else{
listTemp = userBeans.subList(0, userBeans.size());// listTemp是分段处理逻辑的参数
System.out.println("线程"+threadNo+"更新用户："+listTemp.size()+" 个");
}

// 事务单元执行个数==尽量在事务里面处理少一点(事务尽量小一点)
//注意: 每次分批事务提交时数量不宜过多,太多会造成行锁；
jdbcPerBatchInsert(listTemp);

userBeans.removeAll(listTemp);

index++;

}while(index<= times);

// 计算时间
long etime=System.currentTimeMillis();
System.out.println("线程"+threadNo+"批量事务插入总共耗时-----------------------:"+(etime-stime)+"ms!");

}catch(Exception e) {
e.printStackTrace();

System.out.println("JDBC批量执行插入异常:>>" + userBeans.size());

throw new RuntimeException();

}
}

private static void batchPageInsertDataTwo(int threadNo,List<UserBean> userBeans){
long stime=System.currentTimeMillis();

try {
//分批量写入数据库
int perCount = 4;
List<UserBean> userList = new ArrayList<UserBean>();
for(int i=0;i<userBeans.size();i++){
userList.add(userBeans.get(i));
//如果数据量比较大再次事务分批commit,提交 perCount 条记录
//取 % 条数根据实际情况修改
if (i > 0 && i % perCount == 0) {
System.out.println("线程"+threadNo+"更新用户："+userList.size()+" 个成功");
//采用jdbcTemplate 批量写入数据库
jdbcPerBatchInsert(userBeans);

userList.clear();
} else if (i == userBeans.size() - 1) {
//处理最后一批数据提交
System.out.println("线程"+threadNo+"更新用户："+userList.size()+" 个成功");

//采用jdbcTemplate 批量写入数据库
jdbcPerBatchInsert(userBeans);
userList.clear();
}
}

// 计算时间
long etime=System.currentTimeMillis();
System.out.println("线程"+threadNo+"批量事务插入总共耗时-----------------------:"+(etime-stime)+"ms!");
}catch(Exception e) {
e.printStackTrace();

System.out.println("JDBC批量执行插入异常:>>" + userBeans.size());

throw new RuntimeException();

}

}
/**
* 采用jdbcTemplate 批量写入数据库
* @param listTemp
*/
private static void jdbcPerBatchInsert(List<UserBean> listTemp){

}
}

运行后返回结果:

线程0更新用户：4 个
线程1更新用户：4 个
线程0更新用户：4 个
线程1更新用户：1 个
线程1批量事务插入总共耗时-----------------------:100ms!
线程0更新用户：2 个
线程0批量事务插入总共耗时-----------------------:151ms!
future result: 10
future result: 5

实际工作中遇到的坑,一起分享给大家,本人实际操作几百万数据处理遇到的问题
注意：
问题1：
org.springframework.jdbc.CannotGetJdbcConnectionException: Could not get JDBC Connection; nested exception is com.alibaba.druid.pool.GetConnectionTimeoutException: wait millis 100000, active 8, maxActive 8, runningSqlCount 7 :
线程数过多,造成数据库连接数不够，调整maxActive最大连接数参数;

问题2:
Caused by: java.sql.BatchUpdateException: Deadlock found when trying to get lock; try restarting transaction
每次jdbc事务comiit的数量过大，造成锁表问题,尽量在事务里面处理少一点；

好的，记录完毕,觉得看了有帮助的点个赞！O(∩_∩)O哈！

Super CSV 线程池高并发处理大批量数据

相关阅读

相关文章

相关问答

相关文档