laravel 大数据分块导出,避免内存溢出

2024-08-20 16:52

本文主要是介绍laravel 大数据分块导出,避免内存溢出,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

laravel 大数据分块导出,避免内存溢出

数据来源:服务层(userService.php)

控制器:UserController

    public function lists(Request $request){$this->service = new UserService();$params = $request->all();$result = $this->service->lists($params);//功能:分页查询数据if(!empty($params['is_down'])) {return Excel::download(new SignContractExport($this->service, $params, 100), '合约.xlsx');}return  $this->successJson($result, "操作成功");}

导出类:SignContractExport

<?phpnamespace App\Exports;use Maatwebsite\Excel\Concerns\FromCollection;
use Maatwebsite\Excel\Concerns\WithHeadings;
use Maatwebsite\Excel\Concerns\ShouldAutoSize;
use Maatwebsite\Excel\Concerns\WithColumnWidths;
use Maatwebsite\Excel\Concerns\WithStyles;
use Modules\Admin\Services\UserService;
use Maatwebsite\Excel\Concerns\WithTitle;class SignContractExport implements FromCollection,WithHeadings,ShouldAutoSize,WithStyles,WithTitle,WithColumnWidths
{protected $batchSize = 100;public $params = [];private array $header = ['ID','姓名'];public $status;protected $service;protected $chunkSize;/*** 导出*/public function __construct(UserService $service, $params,$chunkSize = 1000){$this->status = $params['status'];$this->myHeader($params['status']);$this->service = $service;//业务对象,里面 提供分页查询的方法$this->params = $params;$this->chunkSize = $chunkSize;}public function map($row): array{$itemMap['id'] = $row->id;$itemMap['mobile'] = $row->user_mobile;}public function title():string{return '合约导出';}public function headings($add = []): array{return $this->header;}public function collection(){$data = collect();// 使用 getDataChunked 方法$this->service->getDataChunked($this->params, $this->chunkSize, function ($chunk) use ($data) {foreach ($chunk as $row) {$data->push($this->map($row));}});return $data;}
}

业务层:UserService

    /*** 大数据导出防止内存溢出做分块儿查询*/public function getDataChunked($params, $chunkSize, callable $callback){$totalFetched = 0;// 通过 chunk 的方式来处理数据,每次处理 $chunkSize 条数据do {$params['page'] = $totalFetched / $chunkSize + 1;$params['page_size'] = $chunkSize;// 获取数据(这里重用 lists 方法)$result = $this->lists($params);if (!empty($result['list'])) {//list:列表数据// 回调函数处理每块数据$callback($result['list']);$totalFetched += count($result['list']);} else {break; // 如果没有数据,跳出循环}} while ($totalFetched < $result['total']);//total:总条数}public function lists($params) {$list = User::query()->->paginate($params['page_size']??10,$columns = ['*'], $pageName = 'page', $params['page']??null);return ['page' => $list->currentPage(),'page_size' => $list->perPage(),'total' => $list->total(),'list' => $data,];}

分析与实现
在 Laravel 中处理大数据导出时,直接加载所有数据到内存中可能导致内存溢出问题。为了避免这种情况,你的实现使用了“分块查询”(chunking)的方法,通过分块处理数据,逐块加载和导出,从而有效地管理内存使用。以下是对你的实现如何避免内存溢出的详细分析:

  1. 数据分块的基本思路
    分块查询:通过 getDataChunked 方法,将大数据集分成若干小块(每块 chunkSize 条数据)。每次查询只处理一块数据,处理完后立即释放内存,再进行下一块的处理。这种方式确保了内存中只保留当前处理的那一小部分数据,避免一次性加载所有数据而导致内存溢出。

回调函数的使用:通过传递一个回调函数 callback 来处理每一块查询到的数据块。这样,你可以在导出 Excel 的过程中,逐块地将数据添加到 Excel 文件中,而不是一次性加载所有数据。

  1. 具体的实现步骤
    Step 1: 获取数据总量并初始化分页
    首先,在 getDataChunked 方法中通过 lists 方法获取数据的总数 total。
    通过初始化的 params[‘page’] 和 params[‘page_size’] 来定义分页的大小和当前页数。
    Step 2: 分块查询和处理
    使用 do…while 循环进行数据的分块查询。每次循环中,根据当前已获取的数据量计算出当前页数,然后查询这一页的数据。
    每次查询到的数据块(如 1000 条)通过 callback 回调函数立即处理(在本例中,导出到 Excel 文件中)。
    处理完一块数据后,循环检查是否还需要继续查询更多数据,直到所有数据都被处理完。
    Step 3: 内存释放
    每次处理完一块数据后,相关的内存就可以被释放,只有当前正在处理的数据块会驻留在内存中。这是通过在回调函数中逐块导出数据而实现的。这意味着即使是非常大的数据集,也能被逐块处理,而不会导致内存溢出。
  2. Excel 导出流程
    在 SignContractExport 类中:

collection() 方法利用 getDataChunked 方法分块查询数据。
每获取一块数据(通过 map() 方法处理格式化后),立即 push 到 data 集合中,直到所有块的数据都被处理完。
最终的 Excel 导出:

在 UserController 中,当 is_down 参数为 true 时,调用 Excel::download,传入 SignContractExport 对象和相关参数。
Laravel Excel 包会利用 collection() 返回的分块数据生成 Excel 文件并下载,过程中每一块数据都是在内存中处理完成后再处理下一块,避免一次性加载所有数据导致内存溢出。
4. 内存优化效果
通过这种分块处理,大数据导出的内存占用相对于一次性加载所有数据来说大大减少。每次只需要处理一块数据,内存中只会驻留当前块的数据,而不需要一次性加载整个数据集。

这种实现方式特别适合在数据量特别大的情况下使用,如数百万行的数据导出。分块查询和处理的方式使得导出过程既高效又能避免内存耗尽的问题。

这篇关于laravel 大数据分块导出,避免内存溢出的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1090637

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

NameNode内存生产配置

Hadoop2.x 系列,配置 NameNode 内存 NameNode 内存默认 2000m ,如果服务器内存 4G , NameNode 内存可以配置 3g 。在 hadoop-env.sh 文件中配置如下。 HADOOP_NAMENODE_OPTS=-Xmx3072m Hadoop3.x 系列,配置 Nam

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav