【什么是POI，为什么它会导致内存溢出？】

什么是POI，为什么它会导致内存溢出

什么是POI

Apache POl，是一个非常流行的文档处理工具，通常大家会选择用它来处理Excel文件。但是在实际使用的时候经常会遇到内存溢出的情况，那么，为啥他会导致内存溢出呢?

Excel并没看到的那么小

我们通常见到的xlsx文件，其实是一个个压缩文件。它们把若千个XML格式的纯文本文件压缩在一起，Excel就是读取这些压缩文件的信息，最后展现出一个完全图形化的电子表格。

所以，如果我们把xlsx文件的后缀更改为.zip或 .rar，再进行解压缩，就能提取出构成Excel的核心源码文件。解压会发现解压后的文件中有3个文件夹和1个XML格式文件:

_rels 文件夹看里面数据像是一些基础的配置信息,比如 workbook 文件的位置等信息一般不会去动它。

docProps 文件夹下重要的文件是一个app.xml,这里面主要存放了 sheet 的信息，如果想添加或编辑 sheet 需要改这个文件，其他文件都是一些基础信息的数据，比如文件所有者，创建时间等。

x文件夹是最重要的一个文件夹里面存放了Sheet 中的数据，行和列的格式，单元格的格式，sheet的配置信息等等信息。

所以，实际上我们处理的xlsx文件实际上是一个经过高度压缩的文件格式，背后是有好多文件支持的。所以，我们看到的一个文件可能只有2M，但是实际上这个文件未压缩情况下可能要比这大得多。

也就是说，POI在处理的时候，处理的实际上并不只是我们看到的文件大小，实际上比它的大小要大好几倍。

这是为什么明明我们处理的文件只有100多兆，但是实际却可能占用1G内存的其中一个原因。当然这只是其中一个原因，还有一个原因，我们就需要深入到POI的源码中来看了。

POI的溢出原理

我们拿POI的文件读取来举例，一般来说文件读取出现内存溢出的情况更多一些。以下是一个POI文件导出的代码示例：

importorg.apache.poi.ss.usermodel.*;importorg.apache.poi.xssf.usermodel.XSSFWorkbook;importjava.io.File;importjava.io.FileInputStream;importjava.io.IOException;publicclassExcelReadTest{publicstaticvoidmain(String[] args){//指定要读取的文件路径String filename ="example.xlsx";try(FileInputStream fileInputStream =newFileInputStream(newFile(filename))){//创建工作簿对象Workbook workbook =newXSSFWorkbook(fileInputStream);// 获取第一个工作表Sheet sheet = workbook.getSheetAt(0);//遍历所有行for(Row row : sheet){// 遍历所有单元格for(Cell cell : row){Thread.sleep(100);//添加注释：暂停程序执行100毫秒// 根据不同数据类型处理数据switch(cell.getCellType()){caseSTRING:System.out.print(cell.getStringCellValue()+"\t");//添加注释：输出单元格的字符串值break;caseNUMERIC:if(DateUtil.isCellDateFormatted(cell)){System.out.print(cell.getDateCellValue()+" t");//添加注释：输出单元格的日期值}else{System.out.print(cell.getNumericCellValue()+" t");//添加注释：输出单元格的数值}break;caseBOOLEAN:System.out.print(cell.getBooleanCellValue()+" t");//添加注释：输出单元格的布尔值break;caseFORMULA:System.out.print(cell.getCellFormula()+"t");//添加注释：输出单元格的公式break;default:System.out.print("");//添加注释：不做任何操作}}System.out.println();//添加注释：换行}}catch(IOException e){
            e.printStackTrace();}catch(InterruptedException e){thrownewRuntimeException(e);}}}

这里面用到了一个关键的XSSFWorkbook类，

publicXSSFWorkbook(InputStream is)throwsIOException{this(PackageHelper.open(is);}publicstaticOPCPackageopen(InputStream is)throwsIOException{try{returnOPCPackage.open(is);}catch(InvalidFormatException e){thrownewPOIXMLException(e);}}

最终会调用到OPCPackage.open方法，看看这个方法是怎么实现的：

/**
 *  Open a package.
 *
 * 
 * Note - uses quite a bit more memory than (@link #open(String)}, which
 * doesn't need to hold the whole zip file in memory, and can take advantage
 * of native methods
 * 
 *aparam in
 *
 *           The InputStream to read the package from
 *           
 * @return A PackageBase object
 * 
 * 
 * @throws InvalidFormatException
 * 
 *               Throws if the specified file exist and is not valid. 
 *               
* @throws IOException If reading the stream fails
*/publicstaticOPCPackageopen(InputStream in)throwsInvalidFormatException,IOException{OPCPackage pack =newZipPackage(in，PackageAccess.READ_WRITE);try{if(pack.partList == nul1){(pack.getParts();}}catch(InvalidFormatExceptionRuntimeException e){IOUtils.close0uietly(pack);throw e;}return pack;}

这行代码的注释中说了：这个方法会把整个压缩文件都加载到内存中。也就是把整个 Excel 文档加载到内存中，可想而知，这在处理大型文件时是肯定会导致导致内存溢出的。

也就是说我们使用的XSSFWorkbook (包括HSSFWorkbook也同理) 在外理Excel的过程中会将整个Excel都加载到内存中，在文件比较大的时候就会导致内存溢出。

拓展知识

几种Workbook格式

POI中提供了很多种Workbook API来操作Excel，有的适合大文件读写，有的不适合。

SSFWorkbook

• 用于处理Excel的.xsl格式（即Excel 97-2003）。

XSSFWorkbook

• 用于处理 Excel 的.xlsx 格式（即 Excel 2007 及以后版本的）支持更大的数据集和更多的功能，如更好的样式和公式支持。但是相对于HSSFWorkbook，它在处理大数据集时可能占用更多内存。

SXSSFWorkbook

• 用于处理xlsx 格式。它是 XSSFWorkbook 的流式版本，专门设计用于处理大数据集。通过将数据写入临时文件而非全部保留在内存中，显著减少内存消耗。特别适合用于创建大型数据集的 Excel 文件。