使用内存映射文件MMF实现大数据量导出时的内存优化

Posted 2021-03-16 AlexYIN

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了使用内存映射文件MMF实现大数据量导出时的内存优化相关的知识，希望对你有一定的参考价值。

前言

导出功能几乎是所有应用系统必不可少功能，今天我们来谈一谈，如何使用内存映射文件MMF进行内存优化，本文重点介绍使用方法，相关原理可以参考文末的连接

实现

我们以单次导出一个excel举例(csv同理)，excel包含1~n个sheet，在每个sheet中存储的按行和列的坐标在单元格存储具体数据，如果我们要使用MMF，第一个要考虑的就是如何将整个excel合理的存储到MMF中。这里我们引入MMF两个对象：

MemoryMappedFile --表示内存映射文件

MemoryMappedViewAccessor --表示随机访问的内存映射文件视图

使用MemoryMappedFile.CreateNew(string mapName, long capacity)可以得到一个指定名称和指定大小的内存映射文件，以下简称mmf
  * 这里需要注意的是capacity为long类型，以字节为单位，通过计算可知文件大小上限为1G
使用mmf.CreateViewAccessor(long offset, long size)可以得到一个从指定位置开始的指定大小空间的访问器，以下简称accessor
  * 这里同样需要注意的是size的大小，如果加上offset超过文件大小，会报System.UnauthorizedAccessException: Access to the path is denied.
考虑到数据体积和管理成本，这里使用mmf对应sheet，使用accessor对应一行数据
  * 这里有个需要注意的是mmf不能存储引用类型，包括字符串...，折衷先将string转为char[]然后使用WriteArray方法存储，考虑到取数据的时候同样需要使用char[]数组，而数组必须指定长度，我们将数组长度和具体数据都存起来，这样取数据时候的索引也可以计算出来了

数据存储示例：

这面是具体的实现代码：

        //添加外部引用防止被自动GC
        public List<MemoryMappedFile> mmfs = new List<MemoryMappedFile>();

        /// <summary>
        /// 写入
        /// </summary>
        public void WriteMMF()
        {
            for(var f = 1; f <= 3; f ++)
            {
                //每一个File相当于一个excel的一个sheet（一个患者一行）
                var mmf = MemoryMappedFile.CreateNew($"mmftest{f}", 1024 * 1024 * 1024); //文件大小最大为1G

                for (var row = 0; row < 10; row++)
                {
                    //每一个ViewAccessor相当于excel的一行
                    var accessor = mmf.CreateViewAccessor(row * 1024 * 1024, 1024 * 1024); //通过具体数据量计算空间，offset位移为每个size的长度，size为1M
                    var index = 0;
                    for (var i = 0; i < 16384; i++)
                    {
                        //相当于一行的每一个cell
                        var buffer = ASCIIEncoding.UTF8.GetBytes($"测试第{row}行第{i}个单元格~!");
                        var length = buffer.Length;
                        accessor.Write(index, length);
                        accessor.WriteArray(index + 4, buffer, 0, length);
                        index += (length + 4);
                    }
                }
                mmfs.Add(mmf);
            }
        }

        /// <summary>
        /// 读取
        /// </summary>
        public void ReadMMF()
        {
            for (var f = 1; f <= 3; f++)
            {
                using var mmf = MemoryMappedFile.OpenExisting($"mmftest{f}");
                for (var row = 0; row < 10; row++)
                {
                    using var accessor = mmf.CreateViewAccessor(row * 1024 * 1024, 1024 * 1024); //通过写数据同时做的记录控制大小
                    var index = 0;
                    for (var i = 0; i < 16384; i++)
                    {
                        var size = accessor.ReadInt32(index);
                        var buffer = new byte[size];
                        accessor.ReadArray(index + 4, buffer, 0, size);
                        var result = ASCIIEncoding.UTF8.GetString(buffer);
                        Console.WriteLine(result);
                        index += (size + 4);
                    }
                }
            }
        }

运行效果：

* 这里有个需要注意的点是，如果不在外部引用mmf，如果创建多个mmf，只有最新一个能通过OpenExisting方法打开，其他的都报System.IO.FileNotFoundException，猜测是资源被释放掉了

* 还有个需要注意的点是，一定要计算好数据体积，不要超过mmf上限，使用accessor的时候也要注意，数据量实在太大可以考虑将一个sheet拆成多个mmf，或者将一行数据拆成多个accessor

这样就可以实现从数据库获然后处理再存储到载体的流程，整个过程中内存使用控制在一个比较低的水平，当然，这是使用时间换空间，相应的导出时间会延长

顺便说一下，原本考虑后续使用epplus进行excel生成，后来发现npoi也和poi一样有SXSSFWorkbook对象，可以流式读取数据，配合内存映射文件可以实现整个导出过程